王新宇，1974年生，汉族，江苏人。管理学博士，副教授，博士研究生指导教师。系江苏省青蓝工程优秀青年骨干教师，中国矿业大学经济与管理复杂性研究所副所长。主要从事金融工程、管理科学领域的相关研究，主持国家自然科学基金一项，获得江苏省哲学社会科学优秀成果三等奖一项。

　　《金融市场风险的测度方法与实证研究》对金融市场风险的测度方法进行了积极的研究和探索。首先，该著作系统地分析了中国证券市场的有效性、波动的非线性行为及收益率分布的统计特征，揭示出中国证券市场的波动在短期内表现为非线性随机过程，而在长期内是由决定性系统所主导；沪深证券市场收益率分布是具有尖峰胖尾分布特征的有限方差分布。然后，研究了适应这些特征的市场风险测度前沿理论和技术，对VaR或Expected Shorffall估计的半参数方法包括极值理论、分位数回归理论、混合密度神经网络理论等进行了详细介绍。同时，估计了沪、深市场资产组合及美、英、港市场资产组合的VaR。最后，作者根据分形市场假说的股价并不完全反映所有信息的观点，认为历史股价信息是不完备的群体型模糊信息，基于模糊信息分配模型提出了金融市场收益可能性分布的概念，进而可作为一种市场风险的模糊度量工具。

　　第一章 绪论 　　第一节 问题的提出和研究意义 　　一、国际范围内金融风险管理势在必行 　　20世纪70年代以来，在风险环境日益复杂化的形势下，国际金融机构为了避免遭受重大损失和破产倒闭，在战略上保证盈利目标的实现，不断探索对市场风险、信用风险等各种风险因素的有效管理，市场风险和信用风险成为现代金融风险管理的重要内容。金融风险还包括流动性风险、操作风险、法律风险等。 　　在过去20年里，由于受经济全球化与金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展。国际金融市场经历了三大发展阶段：金融服务业的全球化；银行和证券业的职能一体化；金融创新尤其是在衍生品方面。美国联邦储备委员会主席曾这样描述在这种高效与制度化的稳定之间所埋藏的冲突：“我们可以公平地说，这种由快速膨胀的金融产品而导致的全球金融市场的高效性，也恰恰能够以不为上一代人所知的方式，以更快的速度在整个金融体系传递错误。” 　　金融市场呈现出前所未有的波动性，工商企业、金融机构面临着日趋严重的金融风险。金融风险不仅严重影响了工商企业和金融机构的正常运营和生存，而且还对一国乃至全球金融及经济的稳定发展构成了严重威胁。 　　

第一章 绪论 第一节 问题的提出和研究意义 一、国际范围内金融风险管理势在必行 二、我国金融风险管理的现状 三、市场风-险的量化管理趋势 四、研究金融市场风险测度方法的重要性 五、研究意义 第二节 国内外的研究现状 一、金融市场的有效性理论 二、金融市场的非线性特征 三、收益率的经验分布特征 四、金融市场风险测度模型 五、金融市场风险测度指标 六、研究中存在的问题 第三节 研究对象、目标与内容 一、研究对象 二、研究目标 三、研究内容 第二章 金融市场风险测度方法概述 第一节 金融风险的分类与金融风险管理的过程 一、金融风险的分类 二、金融市场风险管理的过程 第二节 金融市场风险的测度方法 一、VaR测度指标 二、CVaR测度指标 三、市场风险的模糊测度方法 第三章 中国证券市场的有效性与非线性特征 第一节 有效市场假说及其检验 一、EMH的发展和分类 二、EMH的检验方法 三、实证检验分析 第二节 分形市场假说及其检验 一、R/S分析方法 二、R/S实证分析 三、易变性期限结构 四、BDS检验非线性相关 第三节 金融市场收益率的混沌特征分析 一、HP滤波消除长期趋势 二、确定最大Lyapunov指数 三、确定关联维 四、临近返回检验 第四章 金融市场风险测度的统计基础 第一节 稳定分布、帕累托分布和截断Levy分布 一、稳定分布及其参数估计 二、渐近帕累托分布及尾部指数估计 三、截断Levy分布 四、渐近截断列维飞行 第二节 对中国股市收益分布的实证分析 一、用稳定分布拟合收益分布 二、用截断列维飞行TLF拟合收益分布 三、拟合收益率分布的尾部形状 第五章 基于极值理论的VaR估计 第一节 极值理论（EVT）的基础 一、BLOCK方法 二、POT方法 三、极值理论（EVT-GPD）应用中阈值的选择 第二节 实证研究 一、GPD分布参数估计 二、GEV分布参数估计 三、VaR计算与后验测试 第六章 基于分位数回归方法的VaR估计 第一节 分位数回归方法 一、分位数回归与优化 二、分位数回归模型的线性规划表达 三、QR在金融时间序列数据中的应用特点 四、QR在VaR中的应用 第二节 基于分位数动态方程的VaR估计——CAViaR 一、CAViaR的基本原理 二、CAViaR中回归方程的几种形式 三、VaR模型的动态分位检验 四、差分进化遗传算法 五、CAViaR的实证分析 第七章 基于混合密度神经网络的VaR估计 第一节 混合密度神经网络原理 第二节 评估模型预测精度的方法 第三节 基于混合密度神经网络的风险测度 一、VaR计算方法 二、Expected Shortfall计算方法 第四节 实证研究 一、上海股票市场的分析 二、其他市场指数的分析 三、模型预测效果评估 第八章 基于波动性分析方法的VaR估计 第一节 基于FLS的国际股市长期动态相关分析 一、FLS的基本理论 二、国际股市长期动态相关实证分析 第二节 国际股市短期相关性分析 一、相关系数分析 二、BoxM检验短期关联性 第三节 国际股市之间的引导和长期稳定关系 一、国际股市之间的引导关系 二、国际市场之间的协整关系——长期稳定性分析 第四节 基于随机波动率模型的VaR计算 一、随机波动率模型的理论基础 二、基于SV模型的VaR分析 第五节 基于ARMA-APARCH-t模型的VaR估计 一、ARMA-APARCt模型简介 二、基于ARMA-APARCH的VaR分析 第六节 基于多变量GARCH模型的vaR分析 一、基于单变量GARCH模型的投资组合的VaR计算 二、VECH，BEKK模型 三、CCC-GARCH和DCC-GARCH模型 四、基于M-GARCH的VaR实证分析 第九章 短期价格涨跌预测及市场风险的模糊测度 第一节 价格信息是群体型模糊信息 第二节 模糊信息分配理论模型 一、一维线性信息分配 二、多维信息分布矩阵 三、线性信息分配下的信息守恒定理 四、多维信息控制点的编码 五、基于模糊信息分配的模糊关系矩阵R 六、由R进行模糊近似推理 第三节 实证分析 一、数据预处理 二、模糊推理与识别 第四节 收益率的可能性分布与市场风险的模糊测度 结论 一、主要结论 二、创新点 三、展望 四、对我国金融市场风险管理的建议 参考文献 后记