在金融市场环境将变得更加复杂和难以预测，市场状况瞬息万变的背景下，金融资产组合管理在我国也将会日益受到重视。

全书分为7章。第1章为导论。第2、3、4章主要研究金融资产或资产组合风险度量问题。第5、6章主要研究资产组合选择问题。

第l章首先介绍论文研究的背景和研究的意义，之后对与论文所研究的问题相关文献资料进行详细的述评。第2章重点对LPMn、VaR和CVaR等Downside－Risk风险度量方法的原理和计算方法进行系统研究。第3章主要根据传统EVT理论不能适应金融市场动态变化特征；GARCH模型不能完全解释金融资产收益率厚尾性的缺陷，建立一种基于GARCH模型和EVT模型的金融资产风险度量模型，并给出了模型的计算方法。第4章本章是根据资产组合中金融资产收益的相关性，研究如何度量资产组合的风险。第5章主要是结合VaR和CVaR等新的风险度量方法，对Markwitz的均值一方差资产组合选择模型进行拓展，研究在更具有一般性的均值一风险准则下的资产组合选择。第6章主要讲述资产组合选择面临的难题，对模型的选择，计算流程设计，收益非正态分布下的选择边界等问题的研究。

第1章 引言

1.1 本书研究的背景和研究的意义

1.2 文献评述

1.3 本书主要解决的问题

1.4 本书的结构安排

第2章 Downside－Risk风险度量方法

2.1 方差作为风险度量方法的不足

2.2 LPM风险度量方法

2.3 VaR风险度量方法

2.4 CVaR风险度量方法

2.5 各种Downside－Risk风险度量方法的比较研究

2.6 本章小结

第3章 基于GARCH－EVT的金融资产风险度量方法

3.1 金融资产动态风险度量模型

3.2 无条件极值理论

3.3 条件极值分布：无条件极值分布和GARCH模型的组合

3.4 实证研究

3.5 本章小结

第4章 Copula函数在资产组合风险度量中的应用

4.1 Copula函数与多元分布函数

4.2 随机变量之间的相关性研究

4.3 金融资产收益率的相关性分析

4.4 选择合适的Copula函数度量资产组合风险

4.5 基于Copula函数的资产组合风险度量模型

4.6 实证研究：Copula函数在我国证券资产组合风险度量中的应用

4.7 本章小结

第5章 资产组合选择问题的理论分析

5.1 关于资产组合选择的相关理论分析

5.2 风险—收益准则下的资产组合选择问题

5.3 均值—风险准则下的资产组合有效前沿

5.4 VaR和CVaR风险度量方法对资产组合选择的影响

5.5 本章小结

第6章 收益率非正态分布条件下的资产组合选择

6.1 资产组合选择面临的难题

6.2 基于Copula函数的资产组合选择模型

6.3 基于混合遗传算法的资产组合选择计算流程设计的组合

6.4 收益率非正态分布条件下的资产组合选择边界

6.5 度量收益率的实际分布和相关性对资产组合选择绩效的影响

6.6 基于均值—风险准则的资产组合选择模型效率实证研究

6.7 本章小结

第7章 结论与展望

附 录

附表1 VaR返回测试结果一览表

附表2 随机扰动项不同分布假设条件下的CVaR和VaR比例关系

附表3 基于混合遗传算法的资产组合选择权重

参考文献

后 记