随机波动、极值理论与金融风险测度

第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 主要内容及研究方法
1.2.1 研究目的及内容框架
1.2.2 研究方法及技术路线
1.3 研究特色及创新

第2章 金融风险测度模型及其研究现状
2.1 早期风险度量及VaR方法出现
2.2 VaR测度的模型演变
2.2.1 VaR早期的经典测度方法研究
2.2.2 ARCH、GARCH族和SV族模型方法应用研究
2.2.3 极值理论与其他波动模型的组合应用研究
2.3 文献评述与研究问题的提出

第3章 现代金融风险理论与常见金融风险的度量
3.1 现代金融理论中的风险度量
3.1.1 金融投资组合理论与风险测度
3.1.2 资本资产定价模型与风险测度
3.1.3 套利定价理论与风险衡量
3.1.4 固定收益证券与风险度量
3.1.5 B-S期权定价理论与风险衡量
3.2 常见金融风险的度量
3.2.1 传统的金融风险评估方法
3.2.2 现代金融风险量化模型

第4章 SV-EVT模型组合构建及动态VaR测度
4.1 随机波动SV模型的选取
4.1.1 标准SV模型
4.1.2 厚尾SV模型
4.2 经典极值分布类型及特性
4.2.1 极值类型定理
4.2.2 广义极值GEV分布及特征
4.2.3 GPD分布及其模型参数估计
4.3 动态VaR测度方法及SV-EVT的组合模型构建
4.3.1 VaR的经济解释及动态测度分解
4.3.2 SV-EVT的组合及模型应用步骤
4.4 小结

第5章 广义双曲线与SV-EVT的模型组合
5.1 SV-GHSKt的模型构建和参数估计
5.1.1 GHSKt分布引入SV模型74
5.1.2 SV-GHSKt模型的参数估计
5.2 基于SV-GHSKt-EVT的动态VaR模型
5.2.1 构造标准残差序列
5.2.2 基于极值理论的动态VaR模型
5.3 实证研究
5.3.1 样本选取及统计特征描述
5.3.2 组合模型SV-GHSKt-EVT的应用分析
5.3.3 VaR风险值的度量及模型效果检验
5.4 小结

第6章 马尔科夫波动转换与SV-EVT的组合应用
6.1 马尔科夫波动转换的引入
6.2 组合模型构建及参数估计
6.2.1 MSSV-t模型及参数估计
6.2.2 基于MSSV-t-EVT的VaR模型
6.3 实证检验
6.3.1 样本选取及统计特征描述
6.3.2 参数估计及收敛性诊断
6.3.3 标准残差序列的EVT建模及检验
6.4 小结

第7章 时变连接函数和SV-EVT模型的组合应用
7.1 连接函数的引入
7.2 Copula基本原理及其时变模型
7.2.1 Copula函数基本原理和分类
7.2.2 时变Copula函数
7.3 边缘分布与组合模型构建
7.3.1 随机扰动过滤和SV-t-EVT模型
7.3.2 时变Copula-SV-EVT建模及参数估计
7.4 实证检验
7.4.1 数据选取及变量描述统计
7.4.2 阈值与边缘分布参数估计
7.4.3 时变Copula模型参数估计
7.5 小结

第8章 结论和展望
8.1 主要研究结论
8.2 研究不足及展望

参考文献
后记