中文摘要
英文摘要
1 绪论
1.1 金融风险度量背景研究
1.1.1 准确金融风险度量的现实意义
1.1.2 金融风险度量的理论研究背景
1.1.3 理论用之于实际的具体情况
1.2 金融风险度量的主要问题和问题的解决
1.2.1 金融资产回报分布的厚尾问题
1.2.2 金融资产回报的极值分布的条件
1.2.3 金融资产回报分布的完整性
1.2.4 组合资产回报极值分布问题
1.3 本论文的研究内容和目标
1.4 文章简要结构安排
2 极端值理论(Extreme Value Theory,EVT)
2.1 基本概念和假定
2.2 分块样本极大值理论和模型
2.3 阀顶点(Peaks over threshold,POT)模型
2.4 基于分块样本极大值模型的广义极值分布的参数估计
2.4.1 广义极值分布参数的极大似然点估计方法
2.4.2 金融资产回报极值分布分位数(VaR)的极大似然点估计
2.4.3 极值分布分位数(VaR)的轮廓对数似然法区间估计
2.5 基于阀顶点模型的金融资产厚尾分布的参数估计
2.5.1 基于广义帕雷托分布拟合极值分布的极大似然估计
2.5.2 基于域值法拟合尾部极值分布的矩法估计
3. 极端值理论用于金融风险度量的实证研究
3.1 金融资产时间序列样本的选取和回报的计算
3.2 金融资产回报时间序列分析
3.2.1 金融资产回报的描述统计和正态性检验
3.2.2 金融资产回报时间序列模型的建立和条件异方差分析
3.3 基于广义帕雷托分布拟合极值分布的实证
3.3.1 标准化残差序列服从GPD的可接受性QQ图检验
3.3.2 标准化残差序列阀值u的选取
3.3.3 广义帕雷托分布参数的估计
3.4 金融资产对数回报的分位数估计和模型检验
3.4.1 标准化误差项的分位数估计和模型检验
3.4.2 金融资产对数回报的分位数估计和模型检验
4. 结论和启示
注释
参考文献
暨南大学;
极端值理论; 阀顶点(POT)模型; GARCH模型; 广义极值分布(GED); 广义帕累托分布(GPD); 极大似然估计; 自助法; 二项分布;