第1章 引言 1
1.1 本书研究的背景和研究的意义 1
1.2 文献评述 4
1.3 本书主要解决的问题 17
1.4 本书的结构安排 18
第2章 Downside-Risk风险度量方法 22
2.1 方差作为风险度量方法的不足 23
2.2 LPM风险度量方法 25
2.3 VaR风险度量方法 26
2.4 CVaR风险度量方法 37
2.5 各种Downside-Risk风险度量方法的比较研究 38
2.6 本章小结 48
第3章 基于GARCH-EVT的金融资产风险度量方法 50
3.1 金融资产动态风险度量模型 51
3.2 无条件极值理论 53
3.3 条件极值分布：无条件极值分布和GARCH模型的组合 60
3.4 实证研究 62
3.5 本章小结 77
第4章 Copula函数在资产组合风险度量中的应用 78
4.1 Copula函数与多元分布函数 79
4.2 随机变量之间的相关性研究 80
4.3 金融资产收益率的相关性分析 85
4.4 选择合适的Copula函数度量资产组合风险 88
4.5 基于Copula函数的资产组合风险度量模型 93
4.6 实证研究：Copula函数在我国证券资产组合风险度量中的应用 100
4.7 本章小结 119
第5章 资产组合选择问题的理论分析 121
5.1 关于资产组合选择的相关理论分析 122
5.2 风险—收益准则下的资产组合选择问题 125
5.3 均值—风险准则下的资产组合有效前沿 131
5.4 VaR和CVaR风险度量方法对资产组合选择的影响 146
5.5 本章小结 150
第6章 收益率非正态分布条件下的资产组合选择 152
6.1 资产组合选择面临的难题 153
6.2 基于Copula函数的资产组合选择模型 156
6.3 基于混合遗传算法的资产组合选择计算流程设计 159
6.4 收益率非正态分布条件下的资产组合选择边界 171
6.5 度量收益率的实际分布和相关性对资产组合选择绩效的影响 177
6.6 基于均值—风险准则的资产组合选择模型效率实证研究 182
6.7 本章小结 195
第7章 结论与展望 197
附录 201
附表1 VaR返回测试结果一览表 201
附表2 随机扰动项不同分布假设条件下的CVaR和VaR比例关系 203
附表3 基于混合遗传算法的资产组合选择权重 204
参考文献 216
后记 243