王新翠，女，1985年12月生，吉林德惠人，管理科学与工程博士，讲师，从事管理经济方面的教学和研究工作，参与多项省级及科研课题。在国内各类核心期刊上发表数篇学术论文，主要研究方向是金融计量与信用风险。

　　《随机波动模型在金融风险管理中的应用研究》梳理了有关随机波动模型的理论框架，介绍了随机波动（SV）模型的起源以及随机波动建模的一般结构，详细地介绍了贝叶斯基本理论、MCMC抽样方法及模型比较与选择的信息准则方法，并对SV族模型进行了贝叶斯分析。在随机波动率模型框架下，利用随机波动模型分别从微观、宏观多个层面研究了金融风险波动中具有代表性的三种波动：沪深股指波动、上市公司股权价值波动及通货膨胀不确定性，利用数据三种波动所代表的宏观、中观、微观三个层面的风险进行了实证研究分析。
　　《随机波动模型在金融风险管理中的应用研究》适用于经济学相关专业学生和从事相关研究科研人员使用。

第1章 绪论
1．1 研究的背景及意义
1．2 国内外研究现状及文献综述
1．2．1 股市风险波动的研究
1．2．2 信用风险的研究
1．2．3 通胀风险的研究
1．3 研究思路及结构安排
1．4 研究创新与不足
1．4．1 研究创新
1．4．2 不足之处

第2章 随机波动模型及其估计方法
2．1 随机波动模型及其统计性质
2．1．1 随机波动（SV）模型的起源及发展
2．1．2 随机波动模型的一般结构
2．1．3 基本随机波动模型及其统计性质
2．1．4 与ARCH类模型的比较
2．2 扩展随机波动模型
2．2．1 厚尾SV模型
2．2．2 均值SV模型
2．2．3 杠杆SV模型
2．3 随机波动模型的参数估计方法
2．3．1 伪极大似然（QML）方法
2．3．2 广义矩方法（GMM）
2．3．3 模拟极大似然（SML）方法
2．3．4 蒙特卡罗极大似然（MCML）方法
2．3．5 马尔可夫链蒙特卡罗（MCMC）方法
2．3．6 其他估计方法

第3章 基于贝叶斯理论的MCMC估计方法分析
3．1 贝叶斯基本理论
3．1．1 贝叶斯定理
3．1．2 先验分布和后验分布
3．2 MCMC抽样方法
3．2．1 Mctropolis-Hastings方法
3．2．2 Gibbs抽样方法
3．2．3 格子Gibbs抽样方法
3．3 SV族模型的贝叶斯分析
3．3．1 标准SV模型的贝叶斯推断
3．3．2 厚尾SV-T模型的贝叶斯推断
3．3．3 均值SV-MN模型贝叶斯推断
3．3．4 均值SV-MT模型贝叶斯推断
3．3．5 杠杆SV模型的贝叶斯推断
3．4 模型比较与选择的信息准则方法
3．4．1 AIC准则
3．4．2 BIC准则
3．4．3 DIC准则
3．4．4 贝叶斯因子
3．5 本章小结

第4章 SV模型在沪深股市风险中的应用
4．1 随机波动模型的构建
4．1．1 SV-N模型及SV-T模型
4．1．2 SV-M模型
4．1．3 A-SV模型
4．2 数据与描述统计
4．2．1 数据的选择与数据处理
4．2．2 描述统计
4．3 基于贝叶斯分析的SV模型族的实证研究
4．3．1 标准SV模型的实证结果分析
4．3．2 厚尾SV模型的实证结果分析
4．3．3 均值SV-MN模型的实证结果分析
4．3．4 均值SV-MT模型的实证结果分析
4．3．5 杠杆SV（A-SV）模型的实证结果分析
4．4 SV族模型的比较研究
4．4．1 模型模拟结果比较分析
4．4．2 基于信息准则的模拟结果比较分析
4．5 本章小结

第5章 SV模型在上市公司信用风险中的应用
5．1 信用风险的相关理论
5．1．1 信用风险的定义
5．1．2 信用风险的特征
5．1．3 信用风险的度量
5．1．4 信用风险的管理与意义
5．2 信用风险KMV模型
5．2．1 KMV模型的结构
5．2．2 KMV模型的改进
5．3 实证研究
5．3．1 样本数据
5．3．2 模型的估计
5．3．3 结果分析
5．4 本章小结

第6章 SV模型在通胀与通胀预期风险中的应用
6．1 通胀预期及其不确定性理论
6．1．1 通胀预期及其不确定的成因
6．1．2 通胀预期的管理及其意义
6．2 通胀预期获得方式
6．2．1 调查数据法
6．2．2 利率模型分解
6．3 基于SV模型的通胀及其不确定性
6．3．1 杠杆SV模型
6．3．2 均值SV模型
6．3．3 数据的选取
6．3．4 基于SV模型的通胀不确定性模拟
6．3．5 脉冲响应分析
6．4 通胀预期及其不确定性
6．4．1 数据的选取
6．4．2 基于SV模型的通胀预期不确定性模拟
6．5 本章小结

第7章 结论与展望
参考文献
索引