隨機波動、極值理論與金融風險測度

第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 主要內容及研究方法
1.2.1 研究目的及內容框架
1.2.2 研究方法及技術路線
1.3 研究特色及創新

第2章 金融風險測度模型及其研究現狀
2.1 早期風險度量及VaR方法出現
2.2 VaR測度的模型演變
2.2.1 VaR早期的經典測度方法研究
2.2.2 ARCH、GARCH族和SV族模型方法應用研究
2.2.3 極值理論與其他波動模型的組合應用研究
2.3 文獻評述與研究問題的提出

第3章 現代金融風險理論與常見金融風險的度量
3.1 現代金融理論中的風險度量
3.1.1 金融投資組合理論與風險測度
3.1.2 資本資產定價模型與風險測度
3.1.3 套利定價理論與風險衡量
3.1.4 固定收益證券與風險度量
3.1.5 B-S期權定價理論與風險衡量
3.2 常見金融風險的度量
3.2.1 傳統的金融風險評估方法
3.2.2 現代金融風險量化模型

第4章 SV-EVT模型組合構建及動態VaR測度
4.1 隨機波動SV模型的選取
4.1.1 標準SV模型
4.1.2 厚尾SV模型
4.2 經典極值分佈類型及特性
4.2.1 極數值型別定理
4.2.2 廣義極值GEV分佈及特徵
4.2.3 GPD分佈及其模型參數估計
4.3 動態VaR測度方法及SV-EVT的組合模型構建
4.3.1 VaR的經濟解釋及動態測度分解
4.3.2 SV-EVT的組合及模型應用步驟
4.4 小結

第5章 廣義雙曲線與SV-EVT的模型組合
5.1 SV-GHSKt的模型構建和參數估計
5.1.1 GHSKt分佈引入SV模型74
5.1.2 SV-GHSKt模型的參數估計
5.2 基於SV-GHSKt-EVT的動態VaR模型
5.2.1 構造標準殘差序列
5.2.2 基於極值理論的動態VaR模型
5.3 實證研究
5.3.1 樣本選取及統計特徵描述
5.3.2 組合模型SV-GHSKt-EVT的應用分析
5.3.3 VaR風險值的度量及模型效果檢驗
5.4 小結

第6章 瑪律科夫波動轉換與SV-EVT的組合應用
6.1 瑪律科夫波動轉換的引入
6.2 組合模型構建及參數估計
6.2.1 MSSV-t模型及參數估計
6.2.2 基於MSSV-t-EVT的VaR模型
6.3 實證檢驗
6.3.1 樣本選取及統計特徵描述
6.3.2 參數估計及收斂性診斷
6.3.3 標準殘差序列的EVT建模及檢驗
6.4 小結

第7章 時變連接函數和SV-EVT模型的組合應用
7.1 連接函數的引入
7.2 Copula基本原理及其時變模型
7.2.1 Copula函數基本原理和分類
7.2.2 時變Copula函數
7.3 邊緣分佈與組合模型構建
7.3.1 隨機擾動過濾和SV-t-EVT模型
7.3.2 時變Copula-SV-EVT建模及參數估計
7.4 實證檢驗
7.4.1 資料選取及變數描述統計
7.4.2 閾值與邊緣分佈參數估計
7.4.3 時變Copula模型參數估計
7.5 小結

第8章 結論和展望
8.1 主要研究結論
8.2 研究不足及展望
參考文獻
後記