序言
致谢
第1章 风险值的出现
1.1 金融风险管理的兴起
1.2 市场风险测度
1.3 VaR出现前的风险测度
1.4 风险值
附录 市场风险类型
第2章 金融风险测度
2.1 金融风险测度的均值一方差框架
2.2 风险值
2.3 一致风险测度
2.4 结论
附录1 概率分布函数
附录2 监管中的VaR应用
第3章 市场风险测度的估计：绪论和概述
3.1 数据
3.2 VaR的历史数据模拟估计
3.3 VaR估计的参数方法
3.4 一致性风险测度估计
3.5 风险测度估计的标准误
3.6 核心问题：概述
附录1 数据的预备性分析
附录2 数值积分方法
第4章 风险测度估计的非参数方法
4.1 历史模拟数据的搜集
4.2 VaR和ES估计的历史模拟方法（HS）
4.3 VaR和ES历史模拟估计的置信区间估计
4.4 加权历史模拟
4.5 非参数方法的优缺点
4.6 结论
附录1 基于顺序统计量的风险测度估计
附录2 自举抽样法
附录3 非参数分布密度估计
附录4 主成份分析和因子分析
第5章 波动率、协方差和相关系数的预测
5.1 波动率的预测
5.2 协方差和相关系数的预测
5.3 协方差矩阵的预测
附录 相关性的模型描述：相关系数和关联（C0pulas）
第6章 参数估计（I）
6.1 条件分布和无条件分布
6.2 正态VaR和ES
6.3 t—分布
6.4 对数正态分布
6.5 其他参数方法
6.6 多变量正态分布的方差一协方差方法
6.7 非正态分布的方差一协方差方法
6.8 用C0PULAS处理多变量回报的分布
6.9 结论
附录 长期风险测度的预测
第7章 参数方法（II）：极端值方法
7.1 广义极端值理论
7.2 P0T（PEAKS—0VER—THERSH0LD）方法：广义PARET0分布
7.3 EV方法的改进
7.4 结论
第8章 蒙特卡罗方法
8.1 蒙特卡罗方法的使用
8.2 单风险因子蒙特卡罗模拟
8.3 多风险因子蒙特卡罗模拟
8.4 方差—缩减法
8.5 蒙特卡罗方法的优缺点
8.6 结论
第9章 随机风险测度方法的应用
9.1 随机过程的选择
9.2 多元随机过程的处理
9.3 动态风险
9.4 固定收益风险
9.5 信用风险
9.6 保险风险
9.7 养老金风险测度
9.8 结论
第10章 期权风险测度估计
10.1 期权VaR的解析方法和数值方法
10.2 模拟方法
10.3 δ—γ方法及相关方法
第11章 增量风险和成分风险
11.1 增量VaR
11.2 成分VaR
11.3 一致风险测度的分解
第12章 持仓到风险因素的映射
12.1 核心金融工具的选择
12.2 持仓的映射和VaR估计
第13章 压力试验
13.1 压力试验的优点和难点
13.2 情景分析
13.3 机械压力试验
13.4 结论
第14章 流动性风险估计
14.1 流动性和流动性风险
14.2 流动性调整的VaR估计
14.3 风险流动性（1iquidity at risk，简记为LaR）估计
14.4 危机时的流动性估计
第15章 市场风险模型的背后检验
15.1 初步数据的问题
15.2 基于频数检验的背后检验
15.3 基于分布等性（equality）的背后检验
15.4 备选模型比较
15.5 使用备选持仓和数据的背后检验
15.6 背后检验结果的精确度评价
15.7 总结和结论
附录 两分布异同的检验
第16章 模型风险
16.1 模型和模型风险
16.2 模型风险的来源
16.3 模型风险的量化
16.4 模型风险的管理
16.5 结论
参考文献
缺书网
扫码进群