基于Copula理论的金融系统性风险测度研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 Copula理论 | 第11-12页 |
| 1.2.2 系统性风险测度 | 第12-14页 |
| 1.3 研究思路与方法 | 第14页 |
| 1.4 研究内容与框架 | 第14-15页 |
| 1.5 创新与不足 | 第15-16页 |
| 2 系统性风险基本理论 | 第16-22页 |
| 2.1 系统性风险的定义 | 第16页 |
| 2.2 系统性风险的特征 | 第16-17页 |
| 2.3 系统性风险的生成和传递 | 第17-18页 |
| 2.3.1 系统性风险的生成 | 第17-18页 |
| 2.3.2 系统性风险的传递 | 第18页 |
| 2.4 系统性风险测度指标 | 第18-20页 |
| 2.4.1 VaR与CoVaR | 第18-19页 |
| 2.4.2 ES与MES | 第19-20页 |
| 2.4.3 Sharply值 | 第20页 |
| 2.5 行业间系统性风险外溢效应分析 | 第20-22页 |
| 3 Copula函数基本理论 | 第22-32页 |
| 3.1 Copula函数的定义和性质 | 第22-23页 |
| 3.1.1 Copula函数的定义 | 第22-23页 |
| 3.1.2 Copula函数的性质 | 第23页 |
| 3.2 常用的二元Copula函数种类 | 第23-26页 |
| 3.2.1 椭圆Copula | 第23-24页 |
| 3.2.2 阿基米德Copula | 第24-26页 |
| 3.3 VineCopula理论概述 | 第26-28页 |
| 3.3.1 条件Copula | 第26-27页 |
| 3.3.2 Pair-Copula分解 | 第27-28页 |
| 3.3.3 R-vine | 第28页 |
| 3.4 基于Copula函数的相关性测度 | 第28-32页 |
| 3.4.1 Kendall-τ秩相关系数 | 第28-29页 |
| 3.4.2 Spearman-ρ秩相关系数 | 第29-30页 |
| 3.4.3 尾部相关系数λ | 第30-32页 |
| 4 VineCopula模型结构与参数估计 | 第32-44页 |
| 4.1 边际分布模型 | 第32-36页 |
| 4.1.1 AR模型 | 第32-33页 |
| 4.1.2 MA模型 | 第33页 |
| 4.1.3 ARMA模型 | 第33-34页 |
| 4.1.4 ARCH模型 | 第34页 |
| 4.1.5 GARCH模型 | 第34页 |
| 4.1.6 衍生GARCH类模型 | 第34-36页 |
| 4.2 VineCopula模型结构 | 第36-37页 |
| 4.3 PairCopula函数的选择与检验 | 第37-38页 |
| 4.4 VineCopula模型的参数估计 | 第38-44页 |
| 4.4.1 精确极大似然估计法(EML法) | 第38-39页 |
| 4.4.2 边缘函数推断法(IFM法) | 第39-40页 |
| 4.4.3 正则极大似然估计法(CML法) | 第40页 |
| 4.4.4 非参数估计 | 第40-44页 |
| 5 实证分析 | 第44-54页 |
| 5.1 样本选择及描述 | 第44-46页 |
| 5.1.1 样本选择与预处理 | 第44-46页 |
| 5.1.2 描述性统计 | 第46页 |
| 5.2 边际模型建立与估计 | 第46-49页 |
| 5.3 联合分布模型建立与估计 | 第49-51页 |
| 5.4 基于分位数回归的CoVaR值 | 第51-53页 |
| 5.5 结论和政策建议 | 第53-54页 |
| 6 结论与展望 | 第54-56页 |
| 6.1 研究结论 | 第54-55页 |
| 6.2 研究展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
