臺灣博碩士論文加值系統

衍生性金融商品的基本風險可分類為市場風險、信用風險、操作風險、流動性風險、法律風險及模式風險等，本文主要是探討市場風險，亦即討論衍生性金融商品標的物價格的改變，連帶影響衍生性金融商品本身價格的變化而導致產生的風險。在方法上，本文採用風險值(VaR)進行評估市場風險，其最大的特色就在於能將某一機構資產或是投資組合所暴露的市場風險，轉換成簡單的數值來表達，容易使人瞭解。相較於其它的傳統風險估計方法，如存續期間（duration）、缺口分析（gap analysis），其意涵更廣且易於運用。
選擇權是一種非線性的衍生性金融商品，對於波動度具極高的敏感性。本文討論在券商沒有進行避險的情況下，應用不同波動性及避險比率求算出臺指選擇權風險值，並比較選擇權價內及價外風險值的差異。實證結果顯示，利用GARCH波動性所求出的風險值在選擇權價內及價外的情況下，遠比使用歷史波動性，或是隱含波動性及類神經網路波動性小而且穩定。而在衡量整體選擇權風險值風險上，利用風險值衡量指標也顯示，GARCH波動性的風險值也遠比歷史及隱含波動性或是類神經網路波動性績效風險值為佳。另外，使用Gamma避險比例的風險值誤差效度，也比使用Delta風險值的誤差效度來的好。

The fundamental risk of financial derivatives can be categorized into market risk, credit risk, operate risk, liquid risk, legal risk and model risk, etc. The main purpose of this article is to investigate market risk, which aims to discuss how the prices change of financial derivatives relate to price itself and occurred risk.
In empirical study, this article applied Value at Risk(VaR) to evaluate the market risk of Taiwan index option(TXO). Its biggest characteristic is that VaR enable to transit the exposure market risk of institutions’ assets or investment portfolios into a simple numeral data and easy to comprehend. Comparing with other traditional risk estimation methods such as duration, gap analysis, the VaR model is more expand and easy to implement.
Option is one type of nonlinear financial derivatives with highly sensitivity to volatility. This article also converse how agents calculate TXO by using different volatilities and hedge ratios without pursuing the circumstance of hedge and compare the differences of VaR between in-the-money and out-of-the money.
The empirical evidence indicates that using GARCH volatility to obtain VaR for option is far smaller than using historical volatility, implied volatility and ANN volatility. It is also more stable.
For the risk of measuring integrated option, the performance indexes of VaR model illustrate that the VaR of GARCH volatility is far better than historical volatility, implied volatility and ANN volatility. Furthermore, empirical results also show that the performance of Gamma-rule VaR is better than Delta rule VaR.

第一章 緒論 ..1
第一節 研究背景與目的 1
第二節 研究架構與流程 5
第三節 研究限制.. ..7
第二章 相關文獻回顧. 8
第一節 風險值(VaR)簡介 ….. 8
第二節 類神經網路簡介 10
第三節 相關文獻回顧與探討 16
第三章 研究方法 27
第一節 風險值模型. 27
第二節 波動率估計法 33
第三節 風險值評估指標 43
第四節 Wilcoxon符號等級檢定統計量 45
第四章 實證結果與分析 46
第一節 資料說明 43
第二節 風險值評估結果說明 48
第三節 選擇權價內與價外風險值的比較 57
第四節 風險值評估指標 63
第五節 Wilcoxon符號等級檢定 69
第五章 結論與後續研究方向 76
第一節 結論 76
第二節 後續研究方面 79
參考文獻 80

一、中文部分
1. 朱俊武（2002），台灣股票市場風險值績效之研究，東海大學工業工程學系碩士論文。
2. 李沃牆(1999)，VaR在台股認購權證的應用, 淡江大學財務系第一屆財金理論與實務研討會論文。
3. 李沃牆(2002)，上限型權證風險值及避險績效之評估與檢定，龍華科技大學2002年二岸商學與管理學術研討會論文。
4. 李沃牆，林維垣(2001)，基因演化類神經網路模型於台股上限型權證的評價,東吳大學經濟研討會論文。
5. 李忠輝（2002），隨機波動率選擇權定價---基因演算法之運用，國立東華大學國際經濟研究所碩士論文。
6. 周大慶,沈大白,張大成,敬永康,柯瓊鳳合著，2002/1，風險管理新標竿－風險值理論與應用。
7. 周業熙（2002），GARCH-type模型在VaR之應用，東吳大學經濟學系碩士論文。
8. 林美連（2001），高頻率股市報酬波動性之ANN-GARCH Model，國立交通大學經營管理研究所碩士論文。
9. 林建成（2002）遺傳演化類神經網路於台灣股價預測與交易策略之研究。東吳大學經濟學系在職專班。
10. 倪孝先（2002），利用美國股市漲跌預測台股期貨指數，大業大學國際企業管理研究所碩士論文。
11. 施勇任（2002），選擇權之風險值的計算方法探討，東吳大學商用數學系碩士論文。
12. 侯惠月（2000），統計方法與類神經網路在台股指數期貨之研究，國立成功大學統計學系碩士論文。
13. 張哲綱（2001），權證發行商避險部位風險值(VaR)之評估與比較，義守大學管理科學研究所碩士論文。
14. 陳安斌、張志良(2000)，「運用類神經網路在選擇權評價及避險之研究」，Mar 2000, 中華管理評論。
15. 陳怡君（2002），極端值理論在風險值上的應用，國立政治大學統計學系碩士論文。
16. 陳威光(2001)，選擇權：理論、實務與應用，智勝文化公司。
17. 陳詩晴（2002），台灣票券投資組合風險值之評估，輔仁大學金融研究所碩士論文。
18. 陳聖育（2002），指數選擇權避險策略之模擬研究，國立中正大學企業管理研究所碩士論文。
19. 郭伯聖（2002），台灣股市認購權證定價模型之實證研究--ANN-GARCH模型之應用，國立台北大學企業管理學系碩士論文。
20. 研德隆（1997），VaR模式應用於台股指數期貨風險控管之研究，國立政治大學企業管理學系碩士論文。
21. 黃景明（2002），台灣股價指數期貨最適避險策略之研究，淡江大學財務金融學系碩士論文。
22. 葉怡成(1997)，「應用類神經網路」，儒林圖書公司。
23. 劉志勇（2001），選擇權風險值之衡量，東吳大學經濟學系碩士論文。
24. 蔡一德（2001），台灣認購權證發行券商之市場風險與避險策略－VaR模型之應用，銘傳大學金融研究所碩士論文。
25. 鄭少華（1999），風險值的應用－利率風險管理及避險策略的討論，國立中央大學財務管理研究所碩士論文。
26. 鄭鳳銘（2000），階梯選擇權之評價、避險與應用，國立臺灣大學財務金融學研究所碩士論文。
27. 歐陽平(2002) 以遺傳演化類神經網路對初次上市公司股票建構價格預測模式---以上市公司電子股為例。東吳大學經濟學系在職專班。
28. 魏新原（2001），金融機構發行選擇權之避險策略-以台灣認購權證為例，國立台北大學企業管理學系碩士論文。
29. 蕭媚月（2000），VaR模型與台灣商業銀行之風險－九O年代亞洲金融風暴之研究，東吳大學經濟學系碩士論文。
30. 蘇鈺云（2001），國內指數選擇權造市者訂價與避險策略之研究，國立中正大學財務金融研究所碩士論文。
二、英文部分
1. Amin, K., and V. Ng, (1993), ARCH Processes and Option Valuation, Working
Paper, University of Michigan.
2. Black, F., and M. Scholes, (1973), The Pricing of Options and Corporate
Liabilities, Journal of Political Economics, 81, 637-659.
3. Bollerslev, T., (1986), Generalized Autoregressive Conditional
Heteroskedasticity, Journal of Econometrics, 31, 307-327.
4. Cakici, N., and K. Topyan, (2000), The GARCH Option Pricing Model: a Lattice. Approach, Journal of Computational Finance, 3, 71-85.
5. Duan, J., (1995), The GARCH Option Pricing Model, Mathematical Finance, 5, 13- 32.
6. Duan, J., (1996b), Cracking the Smile, Risk, 9, 55-59.
7. Engle, R., (1982), Autoregressive Conditional Heteroskedasticity, with
Estimates of the Variance of U. K. Inflation, Econometrica, 50, 987-1008.
8. Green, T. C. and S. Figlewski（1999）“Market Risk and Model Risk for a
Financial Institution Writing Options.” The Journal of Finance, （August）:
1465-1499.
9. Heston, S., (1993), A Closed-Form Solution for Options with Stochastic
Volatility, Review of Financial Studies, 6, 327-344.
10. Hull, J., and A. White, (1987), The Pricing of Options on Assets with
Stochastic Volatilities, Journal of Finance, 42, 281-300.
11. McCulloch and Pitts(1943).A Logical Calculus of Ideas Imminentin Nervous Activity.
12. McDonald, J.B. and Bookstaber, R.M. (1991), “Option pricing for
generalized distributions”, Communications in Statistics: Theory and Method, (
20), (12), pp. 4053-4068.
13. Merton, R.C., (1976), Option pricing when underlying stock returns are
discontinuous, Journal of Financial Economics, Vol.3, 125-144.
14. Jorion, P.,(1997),Value at Risk：The New Benchmark for Controlling Market Risk,1st ed,McGraw-Hill,Inc.
15. Ritchken, P., and R. Trevor, (1999), Pricing Options Under Generalized GARCH
and Stochastic Volatility Process, Journal of Finance, 54, 377-402
16. Rumelhart,D. E., and McClelland, J. L. eds(1986).Parallel Distributed Processing Vol. I : Foundations, MIT press, Cambridage, MA.