思维导图备注

系统性风险监测模型研究及实现——以有色金属期货市场为例 - 沈虹
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

封面

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2024-04-30 12:08:37
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 版权信息
  • 绪论
  • 第一章　Copula理论基础
    • 1.1　Copula函数的定义与性质
      • 1.1.2　Copula函数的性质
    • 1.2　常用二元Copula函数
      • 1.2.1　二元正态Copula函数
      • 1.2.2　二元t-Copula函数
      • 1.2.3　Gumbel Copula函数
      • 1.2.4　Clayton Copula函数
      • 1.2.5　Frank Copula函数
    • 1.3　本章小结
  • 第二章　Copula-CoVaR模型及方法
    • 2.1　相关文献概述
      • 2.1.1　关于Granger因果检验的风险溢出效应研究
      • 2.1.2　关于GARCH模型的风险溢出效应研究
      • 2.1.3　关于Copula模型的风险溢出效应研究
      • 2.1.4　研究述评
    • 2.2　CoVaR模型
      • 2.2.1　CoVaR模型的定义
      • 2.2.2　Copula-CoVaR模型推导
    • 2.3　正态性检验
      • 2.3.1　Jarque-Bera检验
      • 2.3.2　Kolmogorov-Smirnov检验
      • 2.3.3　Lilliefors检验
    • 2.4　相关性检验
      • 2.4.1　Pearson线性相关系数
      • 2.4.2　Kendall秩相关系数
      • 2.4.3　Spearman秩相关系数
    • 2.5　Copula模型估计
      • 2.5.1　经验密度函数
      • 2.5.2　核密度估计
    • 2.6　本章小结
  • 第三章　基于Copula-CoVaR模型的系统性风险测度
    • 3.1　国内有色金属期货市场数据分析
      • 3.1.2　描述性统计
      • 3.1.3　正态性检验
      • 3.1.4　确定边缘分布
      • 3.1.5　选择最优Copula函数
      • 3.1.6　计算条件风险价值CoVaR
      • 3.1.7　实证结果分析
    • 3.2　国内外有色金属期货市场数据比较分析
      • 3.2.2　描述性统计
      • 3.2.3　正态性检验
      • 3.2.4　确定边缘分布
      • 3.2.5　选择最优Copula函数
      • 3.2.6　计算条件风险价值CoVaR
      • 3.2.7　实证结果分析
    • 3.3　本章小结
  • 第四章　ICA-TGARCH-M模型及方法
    • 4.1　相关文献概述
    • 4.2　独立成分分析的定义
    • 4.3　GARCH类模型的选取
    • 4.4　ICA-TGARCH-M模型的构建
    • 4.5　本章小结
  • 第五章　基于ICA-TGARCH-M模型的风险溢出分析
    • 5.1　数据的选取与分析
    • 5.2　实证结果分析
      • 5.2.2　ICA-TGARCH（1，1）-M模型估计
    • 5.3　基于ICA-TGARCH（1，1）-M模型的收益预测
    • 5.4　本章小结
  • 第六章　CAViaR模型及方法
    • 6.1　相关文献概述
      • 6.1.1　非参数法的相关研究
      • 6.1.2　参数法的相关研究
      • 6.1.3　半参数法的相关研究
    • 6.2　CAViaR模型形式
      • 6.2.2　模型形式
    • 6.3　参数估计
    • 6.4　模型检验
    • 6.5　本章小结
  • 第七章　基于CAViaR模型的系统性风险测度
    • 7.1　数据选取
    • 7.2　描述性统计
    • 7.3　平稳性检验
    • 7.4　实证结果分析
    • 7.5　风险预测
    • 7.6　本章小结
  • 第八章　基于CAViaR模型的风险溢出性分析
    • 8.1　相关文献概述
      • 8.1.1　股票市场的风险溢出性研究
      • 8.1.2　期货市场的风险溢出性研究
      • 8.1.3　银行间市场的风险溢出性研究
    • 8.2　溢出性理论分析
      • 8.2.1　溢出性概念
      • 8.2.2　汇率因素
      • 8.2.3　利率因素
      • 8.2.4　其他金融市场
    • 8.3　汇率因素对期货市场的风险溢出性分析
      • 8.3.2　描述性统计
      • 8.3.3　平稳性检验
      • 8.3.4　Granger因果关系检验
      • 8.3.5　实证结果分析
      • 8.3.6　风险预测
    • 8.4　利率因素对期货市场的风险溢出性分析
      • 8.4.2　描述性统计
      • 8.4.3　平稳性检验
      • 8.4.4　Granger因果关系检验
      • 8.4.5　实证结果分析
    • 8.5　其他金融市场对期货市场的风险溢出性分析
      • 8.5.2　伦敦金属期货市场
      • 8.5.3　纽约金属期货市场
    • 8.6　本章小结
  • 第九章　深度学习理论
    • 9.1　相关文献概述
    • 9.2　模型介绍
      • 9.2.2　RNN模型
      • 9.2.3　LSTM模型
    • 9.3　本章小结
  • 第十章　有色金属期货价格预测模型构建
    • 10.1　数据来源与样本选择
      • 10.1.2　总样本区间以及训练集与测试集的划分
    • 10.2　数据预处理
    • 10.3　损失函数与优化器
    • 10.4　模型选择
      • 10.4.2　线性ARIMA模型
  • 第十一章　机器学习模型与ARIMA模型预测效果对比分析
    • 11.1　预测效果评估指数
    • 11.2　长期预测效果对比分析
    • 11.3　短期预测效果对比分析
    • 11.4　LSTM模型和ARIMA模型预测结果综合分析
    • 11.5　本章小结
  • 第十二章　结论
  • 参考文献
  • 附录　部分程序代码
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《系统性风险监测模型研究及实现——以有色金属期货市场为例 - 沈虹》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度