●第1部分QRM簡介1
第1章風險透視2
1.1風險2
1.1.1風險和隨機性2
1.1.2金融風險3
1.1.3度量和管理4
1.2風險管理簡史5
1.2.1從巴比倫到華爾街6
1.2.2監管之路12
1.3監管框架15
1.3.1巴塞爾框架15
1.3.2償付能力II監管框架19
1.3.3對監管框架的批評21
1.4為什麼管理金融風險23
1.4.1社會觀點23
1.4.2股東觀點24
1.5量化風險管理25
1.5.1QRM中的“Q”25
1.5.2挑戰的本質26
1.5.3金融領域之外的量化風險管理29
第2章風險管理的基本概念32
2.1金融公司的風險管理32
2.1.1資產、負債和資產負債表32
2.1.2金融公司面臨的風險34
2.1.3資本35
2.2建模價值和價值變動36
2.2.1風險映射36
2.2.2估值方法42
2.2.3損失分布45
2.3風險度量47
2.3.1風險度量方法47
2.3.2風險價值49
2.3.3風險資本計算中的VaR52
2.3.4其他基於損失分布的風險度量53
2.3.5一致性和凸性風險度量56
第3章金融數據的實證性質63
3.1金融收益率序列的典型化事實63
3.1.1波動率聚類63
3.1.2非正態性和厚尾67
3.1.3長間隔時間收益率序列69
3典型化事實71
3.2.1序列之間的相關性71
3.2.2尾部相關性74
第2部分方法篇77
第4章金融時間序列78
4.1時間序列分析基礎78
4.1.1基本概念78
4.1.2ARMA過程81
4.1.3時域分析85
4.1.4時間序列統計分析87
4.1.5預測89
4.2用於波動率變化的GARCH模型91
4.2.1ARCH過程91
4.2.2GARCH過程97
4.2.3GARCH模型的簡單擴展100
4.2.4GARCH模型的數據擬合102
4.2.5波動率預測和風險度量估計106
第5章極值理論112
5.1極大值112
5.1.1廣義極值分布112
5.1.2極大值吸引域115
5.1.3嚴平穩時間序列的極大值117
5.1.4區間極大值模型118
5.2閾值超越量122
5.2.1廣義帕累托分布122
5.2.2超額損失建模124
5.2.3尾部風險建模及尾部風險度量127
5.2.4Hill法131
5.2.5極值理論（EVT）分位數估計量的模擬研究134
5.2.6金融時間序列的條件極值理論135
5.3點過程模型137
5.3.1嚴格白噪聲下的閾值超越量137
5.3.2POT模型139
第模型145
6建模基礎145
6.1.1隨機向量及其分布145
6.1.2協方差矩陣和相關矩陣的標準估計量148
6.1正態分布149
6.1正態性檢驗151
6.2正態混合分布154
6.2.1正態方差混合模型154
6.2.2正態混合均值方差模型(Normal Mean-Variance Mixtures)157
6.2.3廣義雙曲分布158
6.2.4實證案例161
6.3球面和橢圓分布165
6.3.1球面分布166
6.3.2橢圓分布169
6.3.3橢圓分布的性質171
6.3.4估計離散度和相關性172
6.4降維技術175
6.4.1因子模型175
6.4.2統計估計策略177
6.4.3估計宏觀經濟因子模型178
6.4.4估計基本面因子模型180
6.4.5主成分分析法182
第7章連接函數和依賴性188
7.1連接函數188
7.1.1基本性質189
7.1.2連接函數的例子193
7.分布196
7.1.4連接分布的模擬196
7.1.5連接函數的進一步特性198
7.2依賴概念和度量202
7.2.1接近依賴202
7.2.2線性相關204
7.2.3秩相關209
7.2.4尾部依賴繫數212
7.3混合正態連接函數214
7.3.1尾部依賴性214
7.3.2秩相關218
7.3.3偏混合正態連接函數221
7.3.4分組混合正態連接函數222
7.4阿基米德連接函數223
7.4阿基米德連接函數224
7.4阿基米德連接函數225
7.5將連接函數擬合到數據229
7.5.1利用秩相關的矩估計230
7.5.2從連接函數形成一個偽樣本232
7.5.3優選似然估計234
第8章整體風險237
8.1一致性和凸性風險度量237
8.1.1風險度量和驗收集238
8.1.2凸風險度量的對偶表示241
8.1.3對偶表示例子244
8.2一致性風險度量不變定律247
8.2.1畸變風險度量247
8.2.2期望分位數(Expectile)風險度量250
8.3線性投資組合的風險度量253
8.3.1作為壓力測試的一致風險度量254
8.3.2橢圓分布風險因子255
8.3.3其他風險因子分布257
8.4風險聚合258
8.4.1基於損失分布的聚合260
8.4.2基於壓力風險因子的聚合262
8.4.3模塊化和接近集成的聚合方法比較263
8.4.4風險聚合和Fréchet問題264
8.5資產配置273
8.5.1配置問題273
8.5.2歐拉原理和例子274
8.5.3歐拉原理的經濟性質277
第3部分應用篇280
第9章市場風險281
9.1風險因子與映射281
9.1.1損失算子281
9.1.2Delta及Delta-Gamma近似283
9.1.3債券投資組合映射285
9.1.4債券組合的風險因子模型287
9.2市場風險度量293
9.2.1條件及無條件損失分布293
9.2.2方差—協方差法294
9.2.3歷史模擬法295
9.2.4動態歷史模擬法297
9.2.5蒙特卡洛模擬法299
9.2.6估算風險度量300
9.2.7多期和標準化損失302
9.3回溯測試304
9.3.1基於突破的VaR測試304
9.3.2基於突破的預期損失測試306
9.3.3風險度量估計的可導出性與比較307
9.3.4回溯測試概念方法的實證比較310
9.3.5預測分布的回溯測試314
第10章信用風險317
10.1信用風險工具318
10.1.1貸款318
10.1.2債券318
10.1.3受交易對手風險影響的衍生品合約319
10.1.4信用違約互換和其他信用衍生品320
10.1.5違約概率、違約損失率和違約風險敞口322
10.2信用質量度量323
10.2.1信用評級遷移324
10.2.2基於馬爾可夫鏈的評級遷移325
10.3關於違約的結構模型328
10.3.1默頓模型328
10.3.2默頓模型的定價329
10.3.3實踐中的結構模型:EDF和DD334
10.3.4再論信用遷移模型336
10.4債券和CDS在危險率模型中定價338
10.4.1危險率模型338
10.4.2再訪風險中性定價340
10.4.3債券定價345
10.4.4CDS定價346
10.4.5PvsQ:實證結果348
10.5隨機危險率定價350
10.5.1雙隨機隨機時間350
10.5.2定價公式354
10.5.3應用357
10.6仿射模型359
10.6.1基本結果360
10.6.2CIR平方根擴散361
10.6.3擴展362
第11章投資組合信用風險管理367
11.1閾值模型368
11.1.1一年期的投資組合模型的表示法368
11.1.2閾值模型和連接函數369
11.1.3高斯閾值模型371
11.1.4基於另類連接函數的模型373
11.1.5模型風險問題374
11.2混合模型376
11.2.1伯努利混合模型377
11.2.2單因子伯努利混合模型378
11.2.3混合模型中的回收風險380
11.2.4閾值模型作為混合模型381
11.2.5泊松混合模型和CreditRisk+模型384
11.3大型投資組合的漸進性389
11.3.1可轉換模型389
11.3.2一般結果391
11.3.3巴塞爾內部評級法393
11.4蒙特卡洛法395
11.4.1重要性抽樣基礎395
11.4.2伯努利混合模型應用397
11.5投資組合信用模型中的統計推斷401
11.5.1行業閾值模型中的因子建模402
11.5.2伯努利混合模型的估計403
11.5.3混合模型作為GLMMs405
11.5.4具有評級效應的單因子模型408
第12章投資組合信用衍生品411
12.1信用組合產品411
12.1.1擔保債務憑證(CDO)412
12.1.2信用指數和指數衍生品415
12.1.3指數互換和CDO的基本定價關繫417
12.2連接函數模型420
12.2.1定義和屬性420
12.2.2例子422
12.3因子連接函數模型中指數衍生品定價424
12.3.1分析424
12.3.2相關性偏度427
12.3.3隱含連接函數方法429
第13章操作風險和保險分析434
13.1操作風險透視434
13.1.1重要的風險類別434
13.1.2基本方法436
13.1.3高級計量法436
13.1.4操作損失數據438
13.2保險分析的要素441
13.2.1精算方法的案例441
13.2.2整體損失金額442
13.2.3近似和潘尼爾(Panjer)遞歸446
13.2.4泊松混合451
13.2.5整體損失分布的尾部452
13.2.6同質泊松過程453
13.2.7與泊松過程相關的過程456
第4部分專題462
第1時間序列463
14時間序列的基本原理463
14.1.1基本定義463
14.1.2時域分析465
14.1ARMA過程466
14GARCH過程468
14.2.1模型的一般結構468
14.2.2條件相關性模型470
14.2.3條件協方差模型472
14.2GARCH模型擬合475
14.2.5MGARCH中的降維476
14.2.6MGARCH和條件風險度量478
第1建模的高級主題480
15.1正態混合分布和橢圓分布480
15.1.1廣義雙曲分布估計480
15.1.2橢圓對稱性檢驗483
15.2高級阿基米德連接函數模型486
15.2.1阿基米德連接函數的特征487
15.2.2非可交換阿基米德連接函數488
第16章極值理論的高級主題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極值的自激勵模型497
16.2.1自激勵過程497
16.2.2一個自激勵的POT模型498
16極大值501
16.3極值連接函數501
16.3極小值連接函數504
16.3.3連接函數吸引域504
16.3區間極大值建模506
16閾值超越量508
16.4.1使用極值連接函數的閾值模型509
16.4尾部模型擬合509
16.4.3閾值連接函數及其極限511
第17章投資組合信用風險動態模型及交易對手風險分析516
17.1組合信用風險動態模型516
17.1.1為什麼投資組合信用風險需要動態模型？516
17.1.2投資組合信用風險簡約模型517
17.2交易對手信用風險管理519
17.2.1CDS的無抵押價值調整520
17.2.2CDS的抵押價值調整524
17.3條件獨立的違約時間526
17.3.1定義和性質526
17.3.2案例和應用531
17.3.3信用價值調整535
17.4帶有不完整信息的信用風險模型537
17.4.1信用風險和不完整信息537
17.4.2純違約信息540
17.4.3補充說明545
17.4.4抵押信用價值調整和傳染效應548
附錄A551
A.1其他定義和結果551
A.1.1分布類型551
A.1.2廣義逆和分位數551
A.1.3分布變換553
A.1.4Karamata定理553
A.1.5支持和分離超平面定理554
A.2概率分布554
A.2.1貝塔分布554
A.2.2指數分布554
A.2.3F分布555
A.2.4伽馬分布555
A.2.5廣義逆高斯分布555
A.2.6逆伽馬分布556
A.2.7負二項分布556
A.2.8帕累托分布556
A.2.9穩定分布557
A.3似然推斷557
A.3.1極大似然估計量557
A.3.2漸近結果：標量參數557
A.3.3漸近結果：向量參數558
A.3.4Wald檢驗和置信區間559
A.3.5似然比檢驗和置信區間559
A.3.6Akaike信息準則(AIC)560

近幾十年來，金融風險管理領域隨著金融工具和市場的日益復雜以及金融服務業監管的不斷加強而迅速發展。《量化風險管理：概念、技術和工具（修訂版）》專門討論這個領域中出現的量化建模問題，對量化風險管理的理論概念和建模技術進行了更全面的處理。量化風險管理描述了該領域的新進展，涵蓋了市場、信用和操作風險建模的方法。它將標準的行業方法置於更正式的基礎之上，並探索了諸如損失分布、風險度量、風險聚合和分配原則等關鍵概念。這本書的方法借鋻了不同的定量學科，從數學金融和統計到計量經濟學和精算數學。貫穿始終的一個主要主題是，需要令人滿意地解決特別結果和關鍵風險驅動因素的依賴性。
無論你是金融風險分析師、精算師、監管人員還是量化金融相關專業的學生，《量化風險管理：概念、技術和工具（修訂版）》都可為你提供解決實際問題所需的實用工具。

(英)亞歷山大·J.麥克尼爾(Alexander J.McNeil),(德)呂迪格·弗雷Rudiger Frey,(瑞士)保羅·艾布奇茨(Paul Embrechts) 著 卜永強 譯