| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1.绪论 | 第10-15页 |
| ·研究背景与意义 | 第10-12页 |
| ·本文的研究内容、方法、框架 | 第12-15页 |
| 2.VaR模型与ES的基本原理 | 第15-33页 |
| ·风险测度工具的发展历程 | 第15-28页 |
| ·马柯威茨的方差-协方差法和夏普的β系数法 | 第15-16页 |
| ·下方风险测度-半方差、LPM方法 | 第16-17页 |
| ·VaR风险测度工具 | 第17-22页 |
| ·VaR的定义 | 第17-19页 |
| ·风险测量的一致性与VaR的性质及缺陷 | 第19-22页 |
| ·新的风险测度工具ES | 第22-26页 |
| ·广义期望损失ES(expected shortfall)概念 | 第24-25页 |
| ·ES的性质 | 第25-26页 |
| ·下方风险测度LPM与VaR、ES的关系 | 第26-28页 |
| ·VaR与ES的计算原理 | 第28-33页 |
| ·VaR的计算原理 | 第28-30页 |
| ·ES的计算原理 | 第30-33页 |
| 3.股票价格序列的统计特征及波动性估计 | 第33-43页 |
| ·股票价格序列的统计特征 | 第33-37页 |
| ·R／S分析法与金融时序的划分 | 第34-37页 |
| ·R／S分析的显著性检验 | 第37页 |
| ·波动性估计的各种模型 | 第37-43页 |
| ·关于收益序列 | 第37-38页 |
| ·GARCH(p，q)模型 | 第38页 |
| ·多种分布下的GARCH模型 | 第38-43页 |
| ·正态分布下的GARCH模型 | 第39页 |
| ·t分布、skew-t分布及对数似然函数 | 第39-41页 |
| ·广义误差分布及其似然函数 | 第41-43页 |
| 4.基于极值理论的VaR模型及ES模型的估计 | 第43-50页 |
| ·广义极值分布与Fisher and Tippett定理 | 第43-44页 |
| ·GPD分布有关理论 | 第44-46页 |
| ·超额损失分布拟合、GPD分布的参数估计与ES的估计 | 第46-48页 |
| ·动态风险测量模型的估计 | 第48-50页 |
| 5.实证研究 | 第50-64页 |
| ·样本选取与研究方法 | 第50-51页 |
| ·样本选取 | 第50页 |
| ·研究方法 | 第50-51页 |
| ·实证研究结果分析 | 第51-64页 |
| ·描述性统计结果分析 | 第51-53页 |
| ·Hurst指数的估计结果及分析 | 第53-55页 |
| ·不同分布下的GARCH模型的参数估计结果 | 第55-56页 |
| ·GARCH-EVT模型的估计结果 | 第56-58页 |
| ·不同分布下GARCH(1，1)-EVT风险测量模型的检验 | 第58-64页 |
| 6.结论与展 | 第64-67页 |
| ·结论 | 第64-65页 |
| ·展望 | 第65-67页 |
| 7.参考文献 | 第67-69页 |
| 8.附图 | 第69-71页 |
| 9.致谢 | 第71-72页 |
| 附录：攻读硕士期间发表的学术论文 | 第72-73页 |
| 湖南师范大学学位论文原创性声明 | 第73-74页 |
| 湖南师范大学学位论文版权使用授权书 | 第74页 |
