臺灣博碩士論文加值系統

極值理論法在計算VaR的多種方法中屬於較晚發展的模型，與其它計算VaR的方法相較，極值理論法具有兩大優勢，其一為掌握厚尾分配的能力，其二為準確地估計極端值。本文的研究重點在於以極值理論計算VaR，並探討改良極值理論模型，即應用McNeil and Frey在1999年所提出之動態的極值理論模型。動態的極值理論模型結合極值理論與GARCH模型，能使原本的極值理論模型增加一項優點，即能捕捉金融資產報酬之條件異值變異數的現象。實證研究以五個國家的股價指數為研究對象，將動態的極值理論法與其它四種方法作比較，包括動態的歷史模擬法、動態的標準常態分配法、靜態的極值理論法、歷史模擬法。
研究結果指出在高信賴水準下，動態的極值理論模型估計VaR之績效明顯比靜態的極值理論模型好，因為動態的極值理論模型能捕捉時間序列資料的隨機波動性。而動態的極值理論法與動態的歷史模擬法，在高信賴水準之下，兩者表現很好且相似，但動態的歷史模擬法表現比動態的極值理論法略微不佳，究其原因，當資料的極值部份缺乏觀察值時，以歷史模擬法估計便容易產生偏誤，而極值理論能以現有的資料用統計方法來模擬尾部分配，能對極端值部份做出較佳的估計。此外，動態的標準常態分配法與歷史模擬法，在估計高信賴水準的VaR表現普遍不理想，因為金融資產報酬為厚尾分配，以常態分配估計極端部分有低估損失的現象；而歷史模擬法表現不佳則顯示所選取的歷史資料無法預估未來的狀況，即過去資產報酬的情況與現在的情況存在著差距。

第一章 緒論
第一節 研究動機與目的………………………………………1
第二節 研究方法與研究設計…………………………………3
第三節 研究架構………………………………………………4
第二章 文獻回顧
第一節 VaR的起源與觀念……………………………………5
第二節 VaR的衡量方法………………………………………7
第三節 極值理論觀念與應用………………………………10
第四節 國內外極值理論之應用……………………………24
第三章 研究方法
第一節 估計一日之VaR…………………………………… 29
第二節 回饋測試……………………………………………35
第三節 估計多日之VaR…………………………………… 36
第四節 其它估計變異數與平均數之方法…………………38
第四章 實證結果與分析
第一節 資料來源與基本統計分析…………………………42
第二節 動態的極值理論模型與資料分析…………………45
第三節 實證結果與分析……………………………………50
第五章 結論與建議
第一節 研究結論……………………………………………80
第二節 後續研究建議………………………………………82
參考文獻
國外文獻………………………………………………………83
國內文獻………………………………………………………85

國外部分
1.Coles, S., 1999, "Extreme Value Theory and Applications", Preprint.
2.Danielsson, J., and C. G. de Vries, 1997 ,"Tail Index and Quantile Estimation with Very High Frequency Data", Journal of Empirical Finance, Vol.4, pp. 241-257.
3.Danielsson, J., and C. G. de Vries, 2000, "Value-at-Risk and Extreme Returns", Extremes and Integrated Risk Management, Risk Books, pp. 85-106.
4.Diebold, F., X., T. Schuermann and J. D. Stroughair, 1999, "Pitfalls and Opportunities in the Use of Extreme Value Theory in Risk Management", Extremes and Integrated Risk Management, Chapter 4, Risk Books, pp.51-57.
5.Dowd, K., 1998, Beyond Value at Risk, Wiley.
6.Duffie, D.,and J. Pan, 1997, "An Overview of Value at Risk", the Journal of Derivatives, Spring, pp.7-49
7.Engle, R. F., 1993, "Statistical Models for Financial Volatility", Financial analysts Journal, January-February, pp.72-78.
8.Embrechts, P., C. Kluppelberg and T. Mikosch, 1997, Modelling Extremal Events for Insurance and Finance, Springer.
9.Embrechts, P., S. I. Resnick and G. Samorodnitsky, 1998, "Living on the Edge", Risk, Vol.11, No.1, pp. 96-100.
10.Embrechts, P., 1999, "Extreme Value Theory in Finance and Insurance", Preprint.
11.Embrechts, P., S. I. Resnick, and G. Samorodnitsky, 1999, "Extreme Value Theory as a Risk Management Tool", North American Actuarial J., 26, pp30-41.
12.Embrechts, P., 1999, "Extreme Value Theory: Potential and Limitations as an Integrated Risk Management Tool", Preprint.
13.Embrechts, P., 2000, "The Bell Curve is Wrong: so What", Extremes and Integrated Risk Management, Risk Books.
14.Hull, J., and A. White, 1998, "Incorporating Volatility Updating into the Historical Simulation Method for Value at Risk", Journal of Risk, Fall.
15.Jorion, P., 1997,2000, Value at Risk, McGraw-Hill.
16.Longin, F. M., 2000, "From Value at Risk to Stress Testing：the Extreme Value Approach", Journal of Baking & Finance, vol 24, pp.1097-1130.
17.Ho, Lan-Chin, P. Burridge, J. Cadle, and M. Theobald, 2000, "Value at Risk: Applying the Extreme Value Approach to Asian Markets in the Recent Financial Turmoil", Pacific-Basin Finance Journal, vol.8, pp.249-275
18.McNeil, A. J., 1997, "Estimating the Tails of Loss Severity Distributions using Extreme Value Theory", ASTIN Bulletin, Vol.27, No.1, pp.117-137.
19.McNeil, A. J., 1997, "The Peaks over Thresholds Method for Estimating High Quantiles of Loss Distributions", in XXVIIth International ASTIN Colloquium, pp.23-43.
20.McNeil, A. J., and R. Frey, 1999, "Estimation of Tail-Related Risk Measures for Heteroscedastic Financial Time Series: An Extreme Value Approach", forthcoming, Journal of Empirical Financial, Autumn.
21.McNeil, A. J., 2000 a, "Extreme Value Theory for Risk Managers", Extremes and Integrated Risk Management, Risk Books, Chapter 1, pp.3-18,.
22.McNeil, A. J., 2000 b, "Reading the Riskometer", Extremes and Integrated Risk Management, Risk Books, Chapter 9, pp.107-114.
23.McDonald, A. D., J. D. Kendall, and T. I. A. Ridley, 1993, "GARCH-M Estimates of Variable Risk Premia for 180-day Australian Bank Bills", Economic Record, March, pp.10-19.
24.Nelson, D. B., 1991, "Conditional Heteroskedasticity in Asset Returns: A New Approach", Econometrica, Vol.59, No. 2, pp.347-370.
25.Reiss, R. D., and M. Thomas, 1997, Statistical Analysis of Extreme Values from Insurance, Finance ,Hydrology and Other Fields, Basel: Birkhauser.
26.Tsay, R. S., 2000, "Extreme Values, Quantile Estimation and Value at Risk". Preprint.
國內部分
1.吳佳貞，1998，「波動度預測模型之探討」，政治大學金融研究所碩士論文。
2.陳炎信，1999，「考慮極端事件之VAR風險評估模式」，銘傳大學金融研究所碩士論文。
3.康倫年，1999，「Value at Risk 與無母數方法」，臺灣大學財務金融學研究所碩士論文。
4.林孟迪，2000，「極端風險值理論在新興市場之應用」，淡江大學財務金 融學研究所碩士論文。
5.紀舒文，2000，「VaR風險管理之保守性、精確度與效率性研究」，臺灣大學商學研究所。