臺灣博碩士論文加值系統

隔夜拆款利率預測模型之研究比較
摘要
本研究主要是在比較臺灣隔夜拆款利率預測模型之差異，與模型預測的績效。透過ARIMA(Autoregressive Integrated Moving Average)及GARCH(Generalized Autoregressive Conditional Heteroskedasticity)模型的配適，使用逐日預測法，對隔夜拆款利率的預測作比較，希望找到一個較合理的隔夜拆款利率預測模型。
其研究結論有下列幾點:
1.央行採取短期利率的公開市場操作，對於隔夜拆款利率，有顯著結構性改變的影響，同時，其結構性改變的影響型態，是改變序列的長期平均水準值(level)，而不是單一次的序列衝擊(impulse)。
2.在剔除有結構性改變的存在後，使用調整後的Dickey-Fuller單根檢定後，發現隔夜拆款利率為一定態序列，非一個非定態的序列。
3.透過對結構性改變虛擬變數的設定，發現我國的隔夜拆款利率符合Rudebusch(1995)的說法 ; 央行目標利率的調整是微量的，且隨著目標利率的改變，市場利率總是，在數週內慢慢的隨著時間，微量的逐漸增加或減少。一旦市場利率反應了目標利率，到達預期的水準後，就算是有新的外在訊息的產生，在短期內，央行也不會再改變其目標利率的設定。
4.在ARCH／GARCH效果的檢定上，透過ARCH－LM的檢定，發現到隔夜拆款利率有ARCH效果或GARCH效果存在。
5.對配適後的ARIMA(2,0,2)及GARCH(1,2)隔夜拆款利率模型進行逐日預測，在95%的信賴區間的圖形上，GARCH模型的預測信賴區間均較ARIMA的預測信賴區間小。而在四種的預測偏誤衡量函數上，GARCH模型的預測偏誤，亦較ARIMA模型的預測偏為小，也就是說，在隔夜拆款市場上，GARCH模型的預測能力較ARIMA模型佳。

Forecasting Model of The Inter-bank Overnight Rate:
An Empirical Analysis
Student: Tzu-Yuan Yu Advisor: Dr. Sliang Lan
Dr. Shih-Kuo Yeh
Department of Financial Operations
Notional Kaohsiung First University of Science and Technology
ABSTRACT
This paper examines the effects among ARIMA models and GARCH models of forecasting inter-bank overnight rate by one-step ahead forecast.
The conclusion of the study is as follows:
1. The Central Bank makes a structure change in short-term by open market operation. Types of the structure changes change the long-term series mean level.
2. After eliminate the effect of the structure change and implement the Dickey-Fuller Unit Root test, we find the series is stationary.
3. By setting the dummy variables of the structure change, we find the character of the inter-bank overnight rate conform to the finding in Rudebusch(1995) formulation. Once the market interest rate reflects the target interest rate to reach expectation level. The Central Bank will not change the setting of the target interest rate in the short-term, even if there is a new external message.
4. By ARCH-LM test, we find there are ARCH effects or GARCH effects on the series of the inter-bank overnight rate.
5. In the 95% confidence interval figure of ARIMA and GARCH model, the GARCH confidence interval is thinner than ARIMA. In addition, GARCH model has the smaller bias in the four biased formula.

目 錄
中文摘要.....................................................i
英文摘要....................................................ii
誌 謝......................................................iii
目 錄.......................................................iv
表 目 錄....................................................vi
圖 目 錄...................................................vii
第壹章 緒論...................................................1
第一節 研究動機與目的........................................1
第二節 研究方法與範圍........................................3
第三節 研究限制..............................................4
第四節 本文組織架構..........................................4
第貳章 文獻探討..............................................5
第一節 國外相關的GARCH與ARIMA模型的文獻回顧...................5
(一)相關GARCH文獻探討....................................5
(二)相關ARIMA文獻探討....................................8
第二節 我國拆款市場之相關研究.................................8
第三節 相關利率及拆款利率理論................................11
第四節 文獻評論..............................................14
第參章 實證研究方法..........................................15
第一節 研究假設..............................................16
第二節 實證研究流程..........................................17
第三節 ARIMA模型研究架構流程.................................18
節四節 GARCH模型研究架構流程.................................23
第五節 模型預測方法..........................................25
第肆章 實證結果與分析........................................32
第一節研究變數與資料來源..................................32
第二節設定結構性改變的型態................................34
第三節 逐日預測模型之推估....................................38
(一)、ARIMA模型之推估........................................38
(二)、GARCH模型之推估........................................40
第四節 逐日預測模型之比較與結果..............................41
(一)、信賴區間...............................................43
(二)、逐日預測偏誤值比較.....................................45
第伍章 結論與建議............................................46
第一節 研究結論..............................................46
第二節 研究貢獻..............................................48
第三節 研究建議..............................................48
參考文獻.....................................................49
一、 中文部份................................................49
二、 英文部份................................................50
附錄.........................................................52
附錄一.......................................................52
附錄二.......................................................54
附錄三.......................................................57
附錄四.......................................................57
附錄五.......................................................58
附 表 目 錄
表 1: ARIMA(p,q) ACF及PACF判斷表20
表 2: 資料一般統計特性 34
表 3: 最適ARIMA模型配適比較表38
表 4: ARIMA配適結果 38
表 5: GARCH模型配適比較表 40
表 6: GARCH模型配適結果 41
表 7: 信賴區間值 43
表 8: 逐日預測偏誤值比較表 45
附 圖 目 錄
圖 1 : 實證研究流程圖 17
圖 2: ARIMA模型架構建立流程圖19
圖 3: 隔夜拆款利率時間趨勢圖33
圖 4: 信區間圖 44

參考文獻
一、中文部份
1. 王宏文(1996) 貨幣政策中間目標及操作目標之選擇---台灣地區之實證研究，
國立台灣大學財務金融學研究所碩士論文。
2. 江存貴(1999) 利率期限結構與短期利率目標關性之探討，國立中興大學經濟
學研究所碩士論文。
3. 李瑋琪(1997) 存款準備金制度與拆款市場價量關係之研究，國立中央大學財
務管理研究所碩士論文。
4. 房婉縈(1994) 同業拆款利率資訊內含之研究，國立台灣大學財務金融學研究所碩士論文
5. 施遵驊(1994), “改進同業拆市場專案小組總結報告”，中央銀行季刊第十六卷第 四期，頁35-57。
6. 黃富櫻(1990) 我國與日本同業拆款市場之比較，中央銀行季刊第29輯，頁163-147。
7. 黃志典(1996) 我國、美國、日本拆款市場之比較，臺灣經濟金融月刊，第三十二卷 第五期，5月，頁1-10。
8. 黃俊欽(1997) 台灣、香港、新加坡三地金融市場之比較分析---兼論台灣發展亞太區域籌款中心之競爭力研究，國立東華大學國際經濟研究所碩士論文。
9. 章孝庭(1992) 我國同業拆款市場之發展，貨幣金融月刊，第11卷第6期，頁6-8。陳心一(1997) 短期匯率預則: ARIMA與GARCH模型之比較研究，國立中山大學財務管理研究所碩士論文。
10. 蔡志文(1998) 貨幣政策、流動性與股票市場，國立中正大學國際經濟研究所碩士論文。
11. 蘇詠智(1997) 臺灣隔夜拆款利率之變異性與指標性研究，國立台灣大學財務金融學研究所碩士論文。
二、英文部份
1. Akaike, H., (1973), “Maximum Likelihood Identification of Gaussian Autoregressive Moving Average Models”, Biometrika, Vol. 60, p255-266.
2. Bernanke, B. S., and Blinder(1992), “ The federal Funds Rate and the Channels of Monetary Transmission”, American Economic Review, Vol.82 ,p901-921
3. Balduzzi, P., G. Bertola, S. Foresi and L. Klapper(1998), “Interest Rate Targeting and The Dynamics of Short-term Rates”, Journal of Money, Gredit and Banking, Vol. 30, p27-50
4. Bollerslve, T., (1986), “Generalized Autoregressive Conditional Variance Heteroscedasticity”, Journal of Econometrics, Vol.31, p307-327.
5. Box, and Jenkins(1976), “Time Series Analysis: Forecasting and Control”,
Holden-Day Inc..
6. Cook, T., and T. Hahn(1989), “ The Effect of Changes in the Federal Funds Rate Target on Market Interest Rates in the 1970''s”, Journal of Monetary Economics, Vol. 19, p25-44
7. Dickey D.A. and W.A. Fuller(1981), “ Likelihood Ratio Statistics for Autoregressive Time Series with A Unit Root”, Econometrica, Vol.49, p1057-1072
5. Dick Van Dijk, Philip Hans Franses and Andre Lucas(1999), “Testing for ARCH in the presence of additive outliers”, Journal of Applied Econometrics, Vol. 14, p539-562
6. Engle, R. (1982) “ Autoregressive Conditional Heteroscedasticity with Estimates of the Variance United Kingdom Inflation”, Econometrica, Vol.84, p987-1007.
7. Garfinkel, M. R., and D. L. Thornton(1995), “ The Information Content of the Federal Funds Rates: Is It Unique?”, Journal of Money, Credit, and Banking, Vol. 27, p838-847.
8. Jin-Chuan Duan(1997), “Augmented GARCH(p,q) process and its difffusion limit” , Journal of Econometrics, p97-127
9. Philip Hans Franses and Hendrik Ghijsels(1999), “Additive outliers, GARCH and forecasting volatility”, International Journal of Forecasting, Vol.15, p1-9.
10. Rudebusch, G. D.(1995), “ Federal Reserve Interest Rate Targeting, Rational Expectations and The Term Structure”, Journal of Monetary Economics, Vol.35, p245-274.
11. Simon, D. P.(1990), “ Expectations and Treasury Bill-Federal Funds Rate Spread over Recent Monetary Policy Regimes”, Journal of Finance, Vol.45, p567-577.
12. S. J. Leybourne and B. P. M. McCabe(1999), “Modified Stationary Tests with Data-Dependent Model-Selection Rules”, Journal of Business & Economic Statistics, Vol. 17, No. 2, p264-270
13. Tim Bollerslev & Eric Ghysels(1996), “Periodic Autoregressive Conditional Heteroscedasticity” , Journal of Business and Economic Statistics , vol.14, No.2, p139-151.
14. Teruo Nakatsuma(1999), “Bayesian analysis of ARMA-GARCH models: A Markov chain sampling approach”, Journal of Econometrics, 95, p57-69
14. Turan G. Bali(2000), “Testing the Empirical Performance of Stochastic Volatility Models of the Short-Term Interest Rate”, Vol.35, No.2 ,p191-215
15. Vedat Akgiray(1989), Clarkson University ,“Conditional Heteroscedasticity in Time Series of Stock Return: Evidence and Forecasts”, Journal of Business ,Vol.62, No.1, p55-80.
16. Victor M. Guerrero(1991), “ARIMA forecasts with restrictions derived from a structural change”, International Journal of Forecasting , p399-347.
17. White, H.(1980), “ A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity”, Econometrica, Vol. 48, p817-838.
18. Wing-Kuen Tam and Gregory C. Reinsel(1997), “Tests for Seasonal Moving Average Unit Root in ARIMA Models”, Journal of the American Statistical Association, Vol.92 , No. 438, p725-738.