量化风险管理 概念、技术和工具(修订版)

\ ●第1部分QRM简介1
\第1章风险透视2
\1.1风险2
\1.1.1风险和随机性2
\1.1.2金融风险3
\1.1.3度量和管理4
\1.2风险管理简史5
\1.2.1从巴比伦到华尔街6
\1.2.2监管之路12
\1.3监管框架15
\1.3.1巴塞尔框架15
\1.3.2偿付能力II监管框架19
\1.3.3对监管框架的批评21
\1.4为什么管理金融风险23
\1.4.1社会观点23
\1.4.2股东观点24
\1.5量化风险管理25
\1.5.1QRM中的“Q”25
\1.5.2挑战的本质26
\1.5.3金融领域之外的量化风险管理29
\第2章风险管理的基本概念32
\2.1金融公司的风险管理32
\2.1.1资产、负债和资产负债表32
\2.1.2金融公司面临的风险34
\2.1.3资本35
\2.2建模价值和价值变动36
\2.2.1风险映射36
\2.2.2估值方法42
\2.2.3损失分布45
\2.3风险度量47
\2.3.1风险度量方法47
\2.3.2风险价值49
\2.3.3风险资本计算中的VaR52
\2.3.4其他基于损失分布的风险度量53
\2.3.5一致性和凸性风险度量56
\第3章金融数据的实证性质63
\3.1金融收益率序列的典型化事实63
\3.1.1波动率聚类63
\3.1.2非正态性和厚尾67
\3.1.3长间隔时间收益率序列69
\3.2多元典型化事实71
\3.2.1序列之间的相关性71
\3.2.2尾部相关性74
\第2部分方法篇77
\第4章金融时间序列78
\4.1时间序列分析基础78
\4.1.1基本概念78
\4.1.2ARMA过程81
\4.1.3时域分析85
\4.1.4时间序列统计分析87
\4.1.5预测89
\4.2用于波动率变化的GARCH模型91
\4.2.1ARCH过程91
\4.2.2GARCH过程97
\4.2.3GARCH模型的简单扩展100
\4.2.4GARCH模型的数据拟合102
\4.2.5波动率预测和风险度量估计106
\第5章极值理论112
\5.1极大值112
\5.1.1广义极值分布112
\5.1.2极大值吸引域115
\5.1.3严平稳时间序列的极大值117
\5.1.4区间极大值模型118
\5.2阈值超越量122
\5.2.1广义帕累托分布122
\5.2.2超额损失建模124
\5.2.3尾部风险建模及尾部风险度量127
\5.2.4Hill法131
\5.2.5极值理论（EVT）分位数估计量的模拟研究134
\5.2.6金融时间序列的条件极值理论135
\5.3点过程模型137
\5.3.1严格白噪声下的阈值超越量137
\5.3.2POT模型139
\第6章多元模型145
\6.1多元建模基础145
\6.1.1随机向量及其分布145
\6.1.2协方差矩阵和相关矩阵的标准估计量148
\6.1.3多元正态分布149
\6.1.4多元正态性检验151
\6.2正态混合分布154
\6.2.1正态方差混合模型154
\6.2.2正态混合均值方差模型(Normal Mean-Variance Mixtures)157
\6.2.3广义双曲分布158
\6.2.4实证案例161
\6.3球面和椭圆分布165
\6.3.1球面分布166
\6.3.2椭圆分布169
\6.3.3椭圆分布的性质171
\6.3.4估计离散度和相关性172
\6.4降维技术175
\6.4.1因子模型175
\6.4.2统计估计策略177
\6.4.3估计宏观经济因子模型178
\6.4.4估计基本面因子模型180
\6.4.5主成分分析法182
\第7章连接函数和依赖性188
\7.1连接函数188
\7.1.1基本性质189
\7.1.2连接函数的例子193
\7.1.3元分布196
\7.1.4连接函数和元分布的模拟196
\7.1.5连接函数的进一步特性198
\7.2依赖概念和度量202
\7.2.1接近依赖202
\7.2.2线性相关204
\7.2.3秩相关209
\7.2.4尾部依赖系数212
\7.3混合正态连接函数214
\7.3.1尾部依赖性214
\7.3.2秩相关218
\7.3.3偏混合正态连接函数221
\7.3.4分组混合正态连接函数222
\7.4阿基米德连接函数223
\7.4.1二元阿基米德连接函数224
\7.4.2多元阿基米德连接函数225
\7.5将连接函数拟合到数据229
\7.5.1利用秩相关的矩估计230
\7.5.2从连接函数形成一个伪样本232
\7.5.3优选似然估计234
\第8章整体风险237
\8.1一致性和凸性风险度量237
\8.1.1风险度量和验收集238
\8.1.2凸风险度量的对偶表示241
\8.1.3对偶表示例子244
\8.2一致性风险度量不变定律247
\8.2.1畸变风险度量247
\8.2.2期望分位数(Expectile)风险度量250
\8.3线性投资组合的风险度量253
\8.3.1作为压力测试的一致风险度量254
\8.3.2椭圆分布风险因子255
\8.3.3其他风险因子分布257
\8.4风险聚合258
\8.4.1基于损失分布的聚合260
\8.4.2基于压力风险因子的聚合262
\8.4.3模块化和接近集成的聚合方法比较263
\8.4.4风险聚合和Fréchet问题264
\8.5资产配置273
\8.5.1配置问题273
\8.5.2欧拉原理和例子274
\8.5.3欧拉原理的经济性质277
\第3部分应用篇280
\第9章市场风险281
\9.1风险因子与映射281
\9.1.1损失算子281
\9.1.2Delta及Delta-Gamma近似283
\9.1.3债券投资组合映射285
\9.1.4债券组合的风险因子模型287
\9.2市场风险度量293
\9.2.1条件及无条件损失分布293
\9.2.2方差—协方差法294
\9.2.3历史模拟法295
\9.2.4动态历史模拟法297
\9.2.5蒙特卡洛模拟法299
\9.2.6估算风险度量300
\9.2.7多期和标准化损失302
\9.3回溯测试304
\9.3.1基于突破的VaR测试304
\9.3.2基于突破的预期损失测试306
\9.3.3风险度量估计的可导出性与比较307
\9.3.4回溯测试概念方法的实证比较310
\9.3.5预测分布的回溯测试314
\第10章信用风险317
\10.1信用风险工具318
\10.1.1贷款318
\10.1.2债券318
\10.1.3受交易对手风险影响的衍生品合约319
\10.1.4信用违约互换和其他信用衍生品320
\10.1.5违约概率、违约损失率和违约风险敞口322
\10.2信用质量度量323
\10.2.1信用评级迁移324
\10.2.2基于马尔可夫链的评级迁移325
\10.3关于违约的结构模型328
\10.3.1默顿模型328
\10.3.2默顿模型的定价329
\10.3.3实践中的结构模型:EDF和DD334
\10.3.4再论信用迁移模型336
\10.4债券和CDS在危险率模型中定价338
\10.4.1危险率模型338
\10.4.2再访风险中性定价340
\10.4.3债券定价345
\10.4.4CDS定价346
\10.4.5PvsQ:实证结果348
\10.5随机危险率定价350
\10.5.1双随机随机时间350
\10.5.2定价公式354
\10.5.3应用357
\10.6仿射模型359
\10.6.1基本结果360
\10.6.2CIR平方根扩散361
\10.6.3扩展362
\第11章投资组合信用风险管理367
\11.1阈值模型368
\11.1.1一年期的投资组合模型的表示法368
\11.1.2阈值模型和连接函数369
\11.1.3高斯阈值模型371
\11.1.4基于另类连接函数的模型373
\11.1.5模型风险问题374
\11.2混合模型376
\11.2.1伯努利混合模型377
\11.2.2单因子伯努利混合模型378
\11.2.3混合模型中的回收风险380
\11.2.4阈值模型作为混合模型381
\11.2.5泊松混合模型和CreditRisk+模型384
\11.3大型投资组合的渐进性389
\11.3.1可转换模型389
\11.3.2一般结果391
\11.3.3巴塞尔内部评级法393
\11.4蒙特卡洛法395
\11.4.1重要性抽样基础395
\11.4.2伯努利混合模型应用397
\11.5投资组合信用模型中的统计推断401
\11.5.1行业阈值模型中的因子建模402
\11.5.2伯努利混合模型的估计403
\11.5.3混合模型作为GLMMs405
\11.5.4具有评级效应的单因子模型408
\第12章投资组合信用衍生品411
\12.1信用组合产品411
\12.1.1担保债务凭证(CDO)412
\12.1.2信用指数和指数衍生品415
\12.1.3指数互换和CDO的基本定价关系417
\12.2连接函数模型420
\12.2.1定义和属性420
\12.2.2例子422
\12.3因子连接函数模型中指数衍生品定价424
\12.3.1分析424
\12.3.2相关性偏度427
\12.3.3隐含连接函数方法429
\第13章操作风险和保险分析434
\13.1操作风险透视434
\13.1.1重要的风险类别434
\13.1.2基本方法436
\13.1.3高级计量法436
\13.1.4操作损失数据438
\13.2保险分析的要素441
\13.2.1精算方法的案例441
\13.2.2整体损失金额442
\13.2.3近似和潘尼尔(Panjer)递归446
\13.2.4泊松混合451
\13.2.5整体损失分布的尾部452
\13.2.6同质泊松过程453
\13.2.7与泊松过程相关的过程456
\第4部分专题462
\第14章多元时间序列463
\14.1多元时间序列的基本原理463
\14.1.1基本定义463
\14.1.2时域分析465
\14.1.3多元ARMA过程466
\14.2多元GARCH过程468
\14.2.1模型的一般结构468
\14.2.2条件相关性模型470
\14.2.3条件协方差模型472
\14.2.4多元GARCH模型拟合475
\14.2.5MGARCH中的降维476
\14.2.6MGARCH和条件风险度量478
\第15章多元建模的高级主题480
\15.1正态混合分布和椭圆分布480
\15.1.1广义双曲分布估计480
\15.1.2椭圆对称性检验483
\15.2高级阿基米德连接函数模型486
\15.2.1阿基米德连接函数的特征487
\15.2.2非可交换阿基米德连接函数488
\第16章极值理论的高级主题492
\16.1特定模型的尾部492
\16.1.1Fréchet模型的吸引域492
\16.1.2Gumbel分布的吸引域493
\16.1.3混合模型494
\16.2极值的自激励模型497
\16.2.1自激励过程497
\16.2.2一个自激励的POT模型498
\16.3多元极大值501
\16.3.1多元极值连接函数501
\16.3.2多元极小值连接函数504
\16.3.3连接函数吸引域504
\16.3.4多元区间极大值建模506
\16.4多元阈值超越量508
\16.4.1使用极值连接函数的阈值模型509
\16.4.2多元尾部模型拟合509
\16.4.3阈值连接函数及其极限511
\第17章投资组合信用风险动态模型及交易对手风险分析516
\17.1组合信用风险动态模型516
\17.1.1为什么投资组合信用风险需要动态模型？516
\17.1.2投资组合信用风险简约模型517
\17.2交易对手信用风险管理519
\17.2.1CDS的无抵押价值调整520
\17.2.2CDS的抵押价值调整524
\17.3条件独立的违约时间526
\17.3.1定义和性质526
\17.3.2案例和应用531
\17.3.3信用价值调整535
\17.4带有不完整信息的信用风险模型537
\17.4.1信用风险和不完整信息537
\17.4.2纯违约信息540
\17.4.3补充说明545
\17.4.4抵押信用价值调整和传染效应548
\附录A551
\A.1其他定义和结果551
\A.1.1分布类型551
\A.1.2广义逆和分位数551
\A.1.3分布变换553
\A.1.4Karamata定理553
\A.1.5支持和分离超平面定理554
\A.2概率分布554
\A.2.1贝塔分布554
\A.2.2指数分布554
\A.2.3F分布555
\A.2.4伽马分布555
\A.2.5广义逆高斯分布555
\A.2.6逆伽马分布556
\A.2.7负二项分布556
\A.2.8帕累托分布556
\A.2.9稳定分布557
\A.3似然推断557
\A.3.1极大似然估计量557
\A.3.2渐近结果：标量参数557
\A.3.3渐近结果：向量参数558
\A.3.4Wald检验和置信区间559
\A.3.5似然比检验和置信区间559
\A.3.6Akaike信息准则(AIC)560
\