| 论文摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 1. 导言 | 第14-17页 |
| ·选题意义 | 第14-15页 |
| ·篇章结构 | 第15-16页 |
| ·创新和缺陷 | 第16-17页 |
| 2. 多维相关性模型的回顾 | 第17-37页 |
| ·多维GARCH模型的发展 | 第18-31页 |
| ·一维GARCH模型的一般化 | 第19-23页 |
| ·一维GARCH模型的线性混合 | 第23-24页 |
| ·一维GARCH模型的非线性混合 | 第24-29页 |
| ·MGARCH模型的杠杆效应 | 第29-30页 |
| ·其它的多维波动和相关性模型 | 第30-31页 |
| ·估计方法 | 第31-34页 |
| ·两步估计 | 第32-33页 |
| ·基于遗传算法的似然函数的估计方法 | 第33页 |
| ·多维GARCH模型的半参数有效估计 | 第33-34页 |
| ·诊断性检验 | 第34-37页 |
| ·Portmanteau统计量 | 第34-35页 |
| ·基于残差的诊断 | 第35页 |
| ·Lagrange乘子检验 | 第35-37页 |
| 3. 多维相关性模型预测分析 | 第37-66页 |
| ·波动模型预测的基本符号 | 第37-40页 |
| ·波动性预测的意义 | 第40-46页 |
| ·普通的预测应用 | 第40-42页 |
| ·金融应用 | 第42-46页 |
| ·单维波动性预测方法 | 第46-54页 |
| ·利用历史数据进行预测 | 第46-47页 |
| ·随机波动性的预测 | 第47-49页 |
| ·已实现波动性的预测 | 第49-50页 |
| ·GARCH类模型的预测 | 第50-54页 |
| ·多维相关性预测 | 第54-57页 |
| ·指数平滑和Riskmetrics方法 | 第55-56页 |
| ·BEKK模型的预测 | 第56页 |
| ·DCC模型的预测 | 第56页 |
| ·多变量随机波动模型和因子模型 | 第56-57页 |
| ·预测效果检验方法 | 第57-58页 |
| ·实证分析 | 第58-66页 |
| ·数据处理 | 第59页 |
| ·ADCC模型估计 | 第59-63页 |
| ·CCC多维GARCH模型 | 第63页 |
| ·预测结果 | 第63-66页 |
| 4. 基于多维GARCH模型动态投资组合的风险分析 | 第66-79页 |
| ·在险价值基本原理 | 第66-67页 |
| ·风险的评价方法 | 第67-71页 |
| ·部分评价法 | 第68-70页 |
| ·全额评价法 | 第70-71页 |
| ·风险模型 | 第71-73页 |
| ·VaR | 第72-73页 |
| ·CVaR | 第73页 |
| ·ER(Expected Regret) | 第73页 |
| ·在险价值的准确性检验方法 | 第73-74页 |
| ·动态系数检验 | 第74页 |
| ·LR似然比检验 | 第74页 |
| ·实证分析 | 第74-79页 |
| ·正态分布的检验 | 第75-76页 |
| ·t分布的检验 | 第76-79页 |
| 5. SCC模型 | 第79-106页 |
| ·SCC方法的起源 | 第79-85页 |
| ·条件相关模型 | 第79-80页 |
| ·SCC的介绍 | 第80-83页 |
| ·数值例子 | 第83-85页 |
| ·Cholesky分解方法 | 第85-88页 |
| ·渐近理论 | 第88-91页 |
| ·传统渐近定理 | 第88-90页 |
| ·两阶段估计 | 第90-91页 |
| ·SCC的对数似然函数 | 第91-94页 |
| ·模型的估计 | 第94-97页 |
| ·SCC模型估计的渐近性定理 | 第97-99页 |
| ·实证分析 | 第99-106页 |
| 6. 结论及今后研究的方向 | 第106-109页 |
| ·总结 | 第106页 |
| ·未来的方向 | 第106-109页 |
| ·理论方面 | 第106-107页 |
| ·方法的创新 | 第107-109页 |
| 参考文献 | 第109-116页 |
| 致谢 | 第116-117页 |