基于贝叶斯原理的金融市场风险价值测度研究 |
论文目录 | | | 摘要 | 第1-5页 | | abstract | 第5-8页 | | 引言 | 第8-10页 | | 1 绪论 | 第10-20页 | | 1.1 选题背景及意义 | 第10-11页 | | 1.2 文献综述 | 第11-16页 | | 1.2.1 国外对金融风险的研究 | 第11-14页 | | 1.2.2 国内对金融风险的研究 | 第14-15页 | | 1.2.3 贝叶斯方法文献回顾 | 第15-16页 | | 1.3 研究内容 | 第16-19页 | | 1.4 研究思路及方法 | 第19页 | | 1.5 重点及可能的创新点 | 第19-20页 | | 2 金融风险管理 | 第20-26页 | | 2.1 金融风险定义 | 第20页 | | 2.2 金融风险分类 | 第20-22页 | | 2.2.1 系统性风险 | 第20-21页 | | 2.2.2 非系统性风险 | 第21-22页 | | 2.3 金融风险测度 | 第22-24页 | | 2.3.1 金融风险测度VaR | 第23页 | | 2.3.2 VaR的计算方法 | 第23-24页 | | 2.4 VaR模型的后验测试 | 第24-26页 | | 2.4.1 后验测试的意义 | 第24-25页 | | 2.4.2 后验测试的失败率检验法 | 第25-26页 | | 3 贝叶斯原理 | 第26-35页 | | 3.1 贝叶斯公式 | 第26-27页 | | 3.1.1 贝叶斯公式的事件形式 | 第26页 | | 3.1.2 贝叶斯公式的随机变量形式 | 第26-27页 | | 3.2 先验分布的确定 | 第27-29页 | | 3.2.1 无信息先验分布 | 第27-28页 | | 3.2.2 共轭先验分布 | 第28-29页 | | 3.2.3 多层先验分布 | 第29页 | | 3.2.4 经验先验分布 | 第29页 | | 3.3 贝叶斯计算 | 第29-35页 | | 3.3.1 马氏链蒙特卡罗(MCMC) | 第30-31页 | | 3.3.2 Gibbs Samplings | 第31页 | | 3.3.3 Metropolis-Hastings Samplings | 第31-32页 | | 3.3.4 MCMC收敛性诊断 | 第32-35页 | | 4 贝叶斯原理的风险价值计算 | 第35-62页 | | 4.1 Bayesian-GARCH-N-VaR模型 | 第35-38页 | | 4.1.1 GARCH-N模型 | 第35-36页 | | 4.1.2 GARCH模型估计方法 | 第36-38页 | | 4.2 Bayesian-GARCH-T-VaR模型 | 第38-40页 | | 4.2.1 GARCH(1,1)-T模型 | 第39页 | | 4.2.2 贝叶斯估计GARCH(1,1)-T | 第39-40页 | | 4.3 实证分析 | 第40-60页 | | 4.3.1 描述性统计分析 | 第40-44页 | | 4.3.2 Bayesian-GARCH(1,1)模型估计 | 第44-53页 | | 4.3.3 模型后验测试 | 第53-60页 | | 4.4 实证分析小结 | 第60-62页 | | 5 总结 | 第62-63页 | | 参考文献 | 第63-66页 | | 在学研究成果 | 第66-67页 | | 致谢 | 第67页 |
|
|
|
