第1章 绪论 1
1.1 研究的背景及意义 4
1.2 国内外研究现状及文献综述 8
1.2.1 股市风险波动的研究 9
1.2.2 信用风险的研究 14
1.2.3 通胀风险的研究 18
1.3 研究思路及结构安排 20
1.4 研究创新与不足 23
1.4.1 研究创新 23
1.4.2 不足之处 24
第2章 随机波动模型及其估计方法 25
2.1 随机波动模型及其统计性质 27
2.1.1 随机波动（SV）模型的起源及发展 27
2.1.2 随机波动模型的一般结构 29
2.1.3 基本随机波动模型及其统计性质 31
2.1.4 与ARCH类模型的比较 36
2.2 扩展随机波动模型 38
2.2.1 厚尾SV模型 38
2.2.2 均值SV模型 39
2.2.3 杠杆SV模型 40
2.3 随机波动模型的参数估计方法 41
2.3.1 伪极大似然（QML）方法 42
2.3.2 广义矩方法（GMM） 43
2.3.3 模拟极大似然（SML）方法 44
2.3.4 蒙特卡罗极大似然（MCML）方法 46
2.3.5 马尔可夫链蒙特卡罗（MCMC）方法 46
2.3.6 其他估计方法 47
第3章 基于贝叶斯理论的MCMC估计方法分析 49
3.1 贝叶斯基本理论 51
3.1.1 贝叶斯定理 52
3.1.2 先验分布和后验分布 53
3.2 MCMC抽样方法 54
3.2.1 Mctropolis-Hastings方法 55
3.2.2 Gibbs抽样方法 58
3.2.3 格子Gibbs抽样方法 59
3.3 SV族模型的贝叶斯分析 60
3.3.1 标准SV模型的贝叶斯推断 60
3.3.2 厚尾SV-T模型的贝叶斯推断 62
3.3.3 均值SV-MN模型贝叶斯推断 64
3.3.4 均值SV-MT模型贝叶斯推断 67
3.3.5 杠杆SV模型的贝叶斯推断 69
3.4 模型比较与选择的信息准则方法 72
3.4.1 AIC准则 73
3.4.2 BIC准则 73
3.4.3 DIC准则 74
3.4.4 贝叶斯因子 75
3.5 本章小结 77
第4章 SV模型在沪深股市风险中的应用 79
4.1 随机波动模型的构建 82
4.1.1 SV-N模型及SV-T模型 82
4.1.2 SV-M模型 83
4.1.3 A-SV模型 84
4.2 数据与描述统计 85
4.2.1 数据的选择与数据处理 85
4.2.2 描述统计 85
4.3 基于贝叶斯分析的SV模型族的实证研究 91
4.3.1 标准SV模型的实证结果分析 91
4.3.2 厚尾SV模型的实证结果分析 94
4.3.3 均值SV-MN模型的实证结果分析 97
4.3.4 均值SV-MT模型的实证结果分析 101
4.3.5 杠杆SV（A-SV）模型的实证结果分析 104
4.4 SV族模型的比较研究 108
4.4.1 模型模拟结果比较分析 108
4.4.2 基于信息准则的模拟结果比较分析 111
4.5 本章小结 113
第5章 SV模型在上市公司信用风险中的应用 115
5.1 信用风险的相关理论 117
5.1.1 信用风险的定义 117
5.1.2 信用风险的特征 118
5.1.3 信用风险的度量 120
5.1.4 信用风险的管理与意义 123
5.2 信用风险KMV模型 125
5.2.1 KMV模型的结构 125
5.2.2 KMV模型的改进 127
5.3 实证研究 131
5.3.1 样本数据 131
5.3.2 模型的估计 131
5.3.3 结果分析 136
5.4 本章小结 139
第6章 SV模型在通胀与通胀预期风险中的应用 141
6.1 通胀预期及其不确定性理论 143
6.1.1 通胀预期及其不确定的成因 143
6.1.2 通胀预期的管理及其意义 145
6.2 通胀预期获得方式 148
6.2.1 调查数据法 148
6.2.2 利率模型分解 150
6.3 基于SV模型的通胀及其不确定性 151
6.3.1 杠杆SV模型 151
6.3.2 均值SV模型 152
6.3.3 数据的选取 152
6.3.4 基于SV模型的通胀不确定性模拟 155
6.3.5 脉冲响应分析 157
6.4 通胀预期及其不确定性 159
6.4.1 数据的选取 160
6.4.2 基于SV模型的通胀预期不确定性模拟 161
6.5 本章小结 165
第7章 结论与展望 167
参考文献 174
索引 198