基于VaR模型的互联网金融收益风险度量研究
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 导论 | 第10-17页 |
| 1.1 研究的背景与意义 | 第10-13页 |
| 1.1.1 研究的背景 | 第10-11页 |
| 1.1.2 研究的主要意义 | 第11-13页 |
| 1.2 研究的主要内容 | 第13-14页 |
| 1.2.1 主要内容 | 第13-14页 |
| 1.2.2 研究框架 | 第14页 |
| 1.3 研究的主要方法 | 第14-15页 |
| 1.4 研究的特色与不足之处 | 第15-17页 |
| 1.4.1 研究的特色 | 第15-16页 |
| 1.4.2 不足之处 | 第16-17页 |
| 第2章 国内外研究动态 | 第17-20页 |
| 2.1 国外研究现状分析 | 第17-18页 |
| 2.2 国内研究现状分析 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 理论基础 | 第20-34页 |
| 3.1 互联网金融概述 | 第20-26页 |
| 3.1.1 互联网金融的定义 | 第20-21页 |
| 3.1.2 互联网金融的特点 | 第21-22页 |
| 3.1.3 互联网金融发展现状 | 第22-25页 |
| 3.1.4 互联网金融对传统金融的影响 | 第25-26页 |
| 3.2 收益风险概述 | 第26-27页 |
| 3.2.1 收益风险的定义 | 第26页 |
| 3.2.2 收益风险的特点 | 第26页 |
| 3.2.3 收益风险的成因 | 第26-27页 |
| 3.3 VaR模型 | 第27-30页 |
| 3.3.1 VaR模型理论介绍 | 第27-28页 |
| 3.3.2 VaR模型的推导 | 第28-29页 |
| 3.3.3 非参数估计法介绍 | 第29-30页 |
| 3.3.4 模型的应用和优点 | 第30页 |
| 3.4 VaR模型的修正 | 第30-33页 |
| 3.4.1 CreditRisk+模型 | 第30-31页 |
| 3.4.2 超阈值模型(POT) | 第31-33页 |
| 3.5 小结 | 第33-34页 |
| 第4章 实证分析 | 第34-41页 |
| 4.1 数据预处理 | 第34-37页 |
| 4.1.1 互联网业务数据收集 | 第34页 |
| 4.1.2 计算收益率 | 第34-36页 |
| 4.1.3 检验收益率 | 第36-37页 |
| 4.2 CreditRisk+模型的应用 | 第37-38页 |
| 4.3 POT模型拟合 | 第38-39页 |
| 4.3.1 确定阈值并拟合 | 第38页 |
| 4.3.2 拟合程度检验 | 第38-39页 |
| 4.4 计算检验收益率的VaR | 第39-40页 |
| 4.5 结果与分析 | 第40-41页 |
| 第5章 结论、政策与建议 | 第41-44页 |
| 5.1 结论 | 第41-42页 |
| 5.2 政策与建议 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第48-49页 |
