第1章 金融市场风险预警的理论基础 1
1.1 金融市场风险预警方法概述 1
1.1.1 金融预测方法 2
1.1.2 金融预警方法 3
1.1.3 预警指标 5
1.1.4 预警模型 6
1.2 BP神经网络的理论基础 7
1.2.1 BP神经网络模型基本原理 7
1.2.2 BP学习算法 7
1.2.3 国外研究现状分析 8
1.3 支持向量机概述 14
1.3.1 支持向量机的理论基础 14
1.3.2 支持向量机（SVM）国内外研究现状分析 21
1.4 ARCH系列模型概述 26
1.4.1 国外对ARCH模型的研究 26
1.4.2 国内对ARCH模型的研究 28
1.4.3 国内外研究现状述评 31
1.5 CVaR方法概述 31
1.5.1 CVaR方法的理论基础 31
1.5.2 国内外研究现状分析 38
本章小结 45
第2章 股指金融市场风险预测 47
2.1 基于BP模型的股票指数预测 47
2.1.1 引言 47
2.1.2 样本选取与网络参数确定 47
2.1.3 实证分析与预测 50
2.2 基于SVM模型的股票指数预测 53
2.2.1 引言 53
2.2.2 样本数据处理 54
2.2.3 基于v-SVR股指预测模型构建 56
2.2.4 对深证成指的实证分析 58
本章小结 64
第3章 标普500指数期货风险预警研究 67
3.1 研究背景 67
3.2 标普500指数期货风险的内涵分析 67
3.2.1 标普500指数期货市场收益率的基本统计特征 68
3.2.2 标普500指数期货风险的理论分析 71
3.3 基于CVaR方法的标普500指数期货风险预警 76
3.3.1 基于CVaR方法的股指期货风险预警体系的建立 76
3.3.2 基于CVaR方法的标普500指数期货风险度量 85
3.4 标普500指数期货对我国股指期货风险监管的可借鉴性 89
3.4.1 标普500与沪深300指数期货收益率的基本统计量对比分析 89
3.4.2 标普500指数期货与沪深300指数期货的基本差异 93
本章小结 95
本章附录 96
第4章 中国沪深300股指期货风险预警研究 99
4.1 本章引言 99
4.2 基于GARCH-GED模型的沪深300股指期货风险预警 100
4.2.1 统计分析 100
4.2.2 实证研究 101
4.3 中国股指期货市场特征分析 106
4.3.1 研究数据选取与数据处理 106
4.3.2 中国股指期货市场特征分析 110
4.3.3 实体经济对股指期货市场收益的影响研究 114
4.4 中国股指期货市场风险预警研究 132
4.4.1 股指期货市场风险预警体系的建立 132
4.4.2 股指期货市场的风险计量 134
4.4.3 股指期货市场的风险分离 142
本章小结 144
第5章 中国股指期货市场政策性控制 147
5.1 沪深300指数期货的特点 147
5.2 沪深300指数期货风险监管方面存在的问题 148
5.3 中国股指期货市场风险预警对策分析 150
5.3.1 抑制通货膨胀 151
5.3.2 降低人民币汇率波动幅度 154
5.3.3 控制流通中的货币供应量 155
5.4 完善沪深300指数期货风险监管制度的对策 156
5.4.1 强化期货业协会和期货交易所在股指期货风险监管中的作用 156
5.4.2 弥补股指期货自身的缺陷问题 157
5.4.3 尽快健全股指期货相关的法律制度 157
本章小结 158
索引 161
参考文献 165
致谢 175