声明
1 绪论
1.1 研究背景
1.2 本文研究意义
1.3 本文研究内容和创新
1.3.1 主要研究内容
1.3.2 本文的主要创新
1.4 研究框架
2 文献综述
2.1 风险及风险评估的概述
2.1.1 风险的科学分析
2.1.2 风险评估及其不确定性
2.1.3 小结
2.2 市场风险度量方法演变概述
2.2.1 VaR之前的市场风险度量方法
2.2.2 在险价值VaR
2.2.4 小结
2.3 支持向量机及其在经济学中的应用
2.3.1 统计学习理论及支持向量机的发展
2.3.2 支持向量机在经济学中的应用
2.3.3 小结
3 理论基础
3.1 COPULA理论概述
3.1.1 二元COPULA函数的定义
3.1.2 Sklar定理
3.1.3 常见的COPULA函数
3.1.4 COPULA函数与相关系数
3.1.5 COPULA函数的估计方法
3.2 SVM理论简介
3.2.1 统计学习理论
3.2.2 支持向量机
4 实证分析
4.1 VaR的定义
4.2 基于时间序列方法的VaR计算
4.2.1 GARCH族模型
4.2.2 时间序列方法计算VaR的步骤
4.3 基于支持向量机的VaR计算
4.3.1 学习理论的概率密度估计问题
4.3.2 SVM方法用于概率密度估计问题
4.3.3 加权SVM方法用于概率密度估计问题
4.3.4 基于SVM进行概率密度估计的步骤
4.3.5 基于SVM的概率密度估计法计算VaR
4.4 SVM与时间序列方法的VaR计算结果及比较
4.4.1 数据选取相关说明
4.4.2 数据描述
4.4.3 VaR计算及评价
5 总结与展望
5.1 本文工作总结
5.2 对后续工作展望
致谢
参考文献