期权组合市场风险度量和监管研究

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