1 绪论
1．1 研究意义
1．2 国内外研究现状
1．3 研究内容
2 厚尾分布情形下市场变量回报时变协方差矩阵估计
2．1 常用的市场变量回报时变协方差矩阵估计模型
2．2 基于EM算法的时变协方差矩阵估计模型
2．3 反映所估计出协方差值的误差指标
2．4 市场变量日回报时变协方差矩阵估计的实证分析
2．5 本章小结
附录
3 期权组合风险度量的有效Monte Carl0模拟方法
3．1 引言
3．2 Delta—Gamina—Theta模型
3．3 基于常用Monte Carl0模拟方法的非线性VaR计算
3．4 基于重要抽样技术的非线性VaR计算
3．5 基于重要抽样和分层抽样相结合技术的非线性VaR计算
3．6 多元正态分布情形下的模拟结果与分析
3．7 本章小结
4 基于多元t分布的期权组合风险度量的方差减少技术
4．1 基于t分布的期权定价模型及其对应的希腊字母
4．2 多元t分布情形下的期权组合非线性VaR模型
4．3 基于重要抽样技术的Monte Carlo模拟方法
4．4 基于重要抽样和分层抽样耦合技术的Monte Carlo模拟方法
4．5 多元t分布情形下的数值模拟结果与分析
4．6 本章小结
5 混合正态分布及其参数估计
5．1 混合正态分布的定义
5．2 混合正态分布的数字特征
5．3 混合正态分布的参数估计
5．4 一类特殊的多元混合正态分布及其参数估计
6 基于多元混合正态分布的期权组合风险度量
6．1 基于多元混合正态分布的期权组合非线性VaR模型
6．2 基于Fourier—Inversion方法的期权组合非线性VaR数值计算
6．3 多元混合正态分布情形下的数值结果与分析
6．4 本章小结
7 基于多元Laplace分布的期权组合风险度量
7．1 基于多元Laplace分布的期权组合非线性VaR模型
7．2 风险函数转换技术
7．3 Laplace分布情形下的重要抽样技术
7．4 重要抽样技术在Delta—Gamma—Theta模型中的应用
7．5 多元Laplace分布情形下的模拟结果与分析
7．6 本章小结
8 期权组合市场风险度量的快速卷积方法
8．1 期权组合市场风险度量模型
8．2 快速卷积方法
8．3 案例验证
8．4 本章小结
附录
9 基于投影降维技术的期权组合非线性VaR模型
9．1 期权组合非线性VaR模型
9．2 非线性VaR度量传统降维方法
9．3 投影降维技术
9．4 快速卷积方法与投影降维技术的融合计算
9．5 数值结果与分析
9．6 本章小结
10 结论与研究展望
10．1 结论
10．2 研究展望
参考文献
后记
