臺灣博碩士論文加值系統

美國芝加哥選擇權交易所(CBOE)於1993推出VIX指數(波動率指數，Volatility Index)，利用選擇權交易時波動率之變化，來衡量對未來股票市場波動率的預期，可具體描繪投資人心理的變化情形。因此VIX指數又稱為「投資人恐慌指標(The investor fear gauge)」，在美國股市中，VIX指數常被法人用來當做判斷市場方向的交易及避險指標。
臺灣期貨交易所之台指選擇權於2001年12月底上市，但目前尚未編制類似之VIX指數，本研究主要依臺指選擇權之市場特性來模擬CBOE之VIX的新編制法，以編制臺指選擇權VIX指數，藉此觀察VIX指數與台灣現貨股票指數之間的變動關係，同時以新編台指選擇權VIX為基礎在此基礎下，探討台股加權指數、電子指數及金融指數，在各種不同避險模型下之避險績效分析。
避險方法分為傳統移動視窗法與VIX移動視窗法兩種；避險模型可分為普通最小平方法(OLS)及誤差修正模型(ECM)兩種，而普通最小平方法則依現貨與期貨之價格水準、價格差分變動、報酬率變動等，分為三種模型。
以台股指數之現貨與期貨進行避險操作而言，台股大盤、金融、電子指數之現貨與期貨進行VIX移動視窗法避險操作，在本研究中之各種模型下，皆以台股大盤指數之現貨與期貨進行避險操作避險績效表現最好，與金融、電子指數避險操作績效差距較使用傳統移動視窗法為大。主要原因在於VIX移動視窗法是應用台指選擇權VIX指數避險操作機制，其與台股大盤指數之現貨與期貨之相關性及連動性遠較與金融、電子指數為佳。
且不論是在本研究中之何種移動視窗法或是何種指數期貨或避險模型，將避險期間或樣本期間加長，皆會使績效更好；亦即不論何種期貨工具或樣本期間，所得到之結果皆呈現出避險績效隨著避險期間或樣本期間之增長而增加之明顯趨勢。此種現象說明本研究所應用之台指選擇權VIX指數模型適用於較長期之避險操作。

Chicago Board Options Exchange (CBOE) introduced VIX Index (Volatility Index) in 1993. VIX index utilizes the variability of volatility while trading options to measure expected future stock market volatility. The index can be used to characterize investors’ psychological response. Therefore, it is referred to as “the investor fear gauge.” In American stock market, VIX Index is also employed by institutional investors as the trading and hedging signal of judging the direction of the market.
Taifex Index Options was introduced by Taiwan Futures Exchange in December, 2001. However, it has not prepared the corresponding VIX index yet. Simulating on the framework of preparing CBOE VIX, one of the main purposes of this study is to prepare the corresponding VIX index for Taiwan index options. Based on the prepared VIX index for Taiwan index options, another purpose of this study is to explore the hedging effectiveness of three spot indices, i.e., TAIEX (Taiwan Stock Exchange Capitalization Weighted Stock Index) index, Electron index, and Finance Insurance index, respectively, under different hedging models.
Two types of hedging models are employed under this study: the ordinary least squares (OLS) models and the error correction model (ECM). The former type include three categories of OLS models: the price level, the change of the price level, and the percent change of the price level.
The empirical results reveal that the longer the hedging period, the better the hedging effectiveness for all spot indices and for all hedging models. For the hedging models, the OLS model based on the price level has the highest hedging effectiveness, the ECM model is next. Finally, the VIX based hedging effectiveness is better than the conventional hedging models. For three spot indices to be hedged, the TAIEX index has the highest hedging effectiveness, the Electron index is next. The Finance Insurance index has the lowest hedging effectiveness. The possible reason for this result is that the correlation of Electron and Finance Insurance indices with the VIX index is not as high as that of TAIEX index, which is the underlying index when preparing the VIX index.

目錄
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 1
第三節 研究目的 3
第二章 文獻回顧 4
第一節 VIX指數的介紹及臺指選擇權之交易現況 4
第二節 選擇權與隱含波動率 11
第三節 VIX編制方法相關研究 14
第四節 投資組合避險理論 15
第三章 研究方法 18
第一節 臺指選擇權VIX指數編制之基礎概念與條件 18
第二節 臺指選擇權VIX指數編制模型建立 20
第三節 研究方法 22
第四節 研究限制 35
第四章 實證結果與分析 36
第一節 資料來源 36
第二節 臺指選擇權VIX指數之敘述統計 36
第三節 利用臺指選擇權VIX指數進行避險操作之避險績效衡量方法 38
第四節 傳統避險模型之避險績效實證分析 45
第五節 VIX指數基礎下避險績效之實證分析 58
第六節 傳統避險與VIX指數基礎下避險績效之比較分析 72
第五章 結論與建議 74
第一節 結論 74
第二節 建議 76
參考文獻 77
中文文獻 77
英文文獻 78
圖目錄
圖3-1 具相同整合階次之共整合模型判別流程圖 25
圖3-2 S&P100指數與CBOE編製的VIX指數 30
圖3-3 道瓊工業指數與S&P100指數與VIX走勢圖 (2000/9 ~ 2002/7) 32
圖4-3-8 VIX移動視窗操作圖 43
表目錄
表1-1 2001-2003年各期貨契約交易量統計 9
表1-2 期貨商及交易人概況統計表 10
表4-2-1 台指選擇權VIX指數之敘述統計 38
表4-4-1避險模型相對避險績效之實證模組代號 45
表4-4-2-1台股大盤指數之避險績效：樣本期間25天 46
表4-4-2-2台股大盤指數之避險績效：樣本期間50天 47
表4-4-2-3台股大盤指數之避險績效：樣本期間75天 47
表4-4-2-4台股大盤指數之避險績效：樣本期間100天 48
表4-4-2-5台股大盤指數之避險績效：樣本期間150天 48
表4-4-2-6台股大盤指數之避險績效：樣本期間200天 49
表4-4-2-7台股大盤指數之避險績效：樣本期間250天 49
表4-4-3-1台股金融指數之避險績效：樣本期間25天 50
表4-4-3-2台股金融指數之避險績效：樣本期間50天 50
表4-4-3-3台股金融指數之避險績效：樣本期間75天 51
表4-4-3-4台股金融指數之避險績效：樣本期間100天 51
表4-4-3-5台股金融指數之避險績效：樣本期間150天 52
表4-4-3-6台股金融指數之避險績效：樣本期間200天 52
表4-4-3-7台股金融指數之避險績效：樣本期間250天 53
表4-4-4-1台股電子指數之避險績效：樣本期間25天 54
表4-4-4-2台股電子指數之避險績效：樣本期間50天 54
表4-4-4-3台股電子指數之避險績效：樣本期間75天 55
表4-4-4-4台股電子指數之避險績效：樣本期間100天 55
表4-4-4-5台股電子指數之避險績效：樣本期間150天 56
表4-4-4-6台股電子指數之避險績效：樣本期間200天 56
表4-4-4-7台股電子指數之避險績效：樣本期間250天 57
表4-5-1-1台股大盤指數在VIX指數基礎下避險績效： 59
進場值=23, 出場值=31 59
表4-5-1-2台股大盤指數在VIX指數基礎下避險績效： 59
進場值=23, 出場值=32 59
表4-5-1-3台股大盤指數在VIX指數基礎下避險績效： 60
進場值=23, 出場值=33 60
表4-5-1-4台股大盤指數在VIX指數基礎下避險績效： 60
進場值=23, 出場值=34 60
表4-5-1-5台股大盤指數在VIX指數基礎下避險績效： 61
進場值=23, 出場值=35 61
表4-5-1-6台股大盤指數在VIX指數基礎下避險績效： 61
進場值=24, 出場值=31 61
表4-5-1-7台股大盤指數在VIX指數基礎下避險績效： 62
進場值=24, 出場值=32 62
表4-5-1-8台股大盤指數在VIX指數基礎下避險績效： 62
進場值=24, 出場值=33 62
表4-5-2-1台股金融指數在VIX指數基礎下避險績效： 63
進場值=23, 出場值=31 63
表4-5-2-2台股金融指數在VIX指數基礎下避險績效： 63
進場值=23, 出場值=32 63
表4-5-2-3台股金融指數在VIX指數基礎下避險績效： 64
進場值=23, 出場值=33 64
表4-5-2-4台股金融指數在VIX指數基礎下避險績效： 64
進場值=23, 出場值=34 64
表4-5-2-5台股金融指數在VIX指數基礎下避險績效： 65
進場值=23, 出場值=35 65
表4-5-2-6台股金融指數在VIX指數基礎下避險績效： 65
進場值=24, 出場值=31 65
表4-5-2-7台股金融指數在VIX指數基礎下避險績效： 66
進場值=24, 出場值=32 66
表4-5-2-8台股金融指數在VIX指數基礎下避險績效： 66
進場值=24, 出場值=33 66
表4-5-3-1台股電子指數在VIX指數基礎下避險績效： 67
進場值=23, 出場值=31 67
表4-5-3-2台股電子指數在VIX指數基礎下避險績效： 68
進場值=23, 出場值=32 68
表4-5-3-3台股電子指數在VIX指數基礎下避險績效： 68
進場值=23, 出場值=33 68
表4-5-3-4台股電子指數在VIX指數基礎下避險績效： 69
進場值=23, 出場值=34 69
表4-5-3-5台股電子指數在VIX指數基礎下避險績效： 69
進場值=23, 出場值=35 69
表4-5-3-6台股電子指數在VIX指數基礎下避險績效： 70
進場值=24, 出場值=31 70
表4-5-3-7台股電子指數在VIX指數基礎下避險績效： 70
進場值=24, 出場值=32 70
表4-5-3-8台股電子指數在VIX指數基礎下避險績效： 71
進場值=24, 出場值=33 71

中文文獻
１、 吳承康(2002)，「芝加哥選擇權交易所波動度指數(VIX)簡介」,台灣期貨市場Taifex Review,2002,Sep.17-23。
２、 吳易欣(2003)，「由VIX指數分析股市變盤訊號」，復華投信 債券觀察家,2003,4月,1-4。
３、 胡僑芸(2003)，「臺指選擇權VIX指數之編制與交易策略分析」，中山大學財務管理研究所碩士論文。
４、 楊森傑(2000)，「股價指數價格預測與避險操作-熵預測模型與灰預測模型之應用」，銘傳大學金融研究所碩士論文。
５、 潘耀燦(2001)，「股價指數期貨避險研究-OLS模型、誤差修正模型與基差平穩化模型之應用與比較」，銘傳大學金融研究所碩士在職專班碩士論文。
６、 盧佳鈺(2003)，「台指選擇權隱含波動率指標之資訊內涵」，台灣大學商學研究所碩士論文。
英文文獻
1. Anderson, R. W. and J. P. Danthine (1981),” Cross Hedging,” Journal of Political Economy, 89(6): 1182-1196.
2. Black, F (1976), “Studies of Stock Price Volatility Changes," Proceedings of the 1976 Meetings of the American Statistical Association, Business and Economics Section, 177-181.
3. Campbell R (1991). “Harvey and Robert E. Whaley, S&P 100 Index Option Volatility,” Journal of Finance, Vol. 46, No.4, 1551-1561.
4. Campbell R. Harvey and Robert E. Whaley(1992), “Market Volatility Prediction and the Efficiency of the S&P 100 Index Option Market,” Journal of Financial Economics, Vol. 31, 43-73.
5. Christie, A. A (1982),” The Stochastic Behavior of Common Stock Variances: Value, Leverage, and Interest Rate Effects,” Journal of Financial Economics, Vol. 10, 407-432.
6. Chicago Board Options Exchange(2003),”VIX Introduction，Vix Whitepaper,” ( http://www.cboe.com/micro/vix/index.asp)
7. Chicago Board Options Exchange (2003),”Frequently Asked Questions about the New VIX,” ( http://www.cboe.com/micro/vix/faq.asp)
8. Chicago Board Options Exchange (2003),“Vix Whitepaper,” (http://www.cboe.com/micro/vix/vixwhite.pdf)
9. Duque, J., and P., Teixeira Lopes(1999), Maturity and Volatility Effects on Smiles. Or Dying Smiling ?, Paper presented at EFA 1999, Helsinki.
10. Ederington, L. H (1979), “The Hedging Performance of the NewFutures Markets,” Journal of Finance, 34(5): 157-170.
11. Engle.R.F.,and C.W.J.Granger (1987),”Cointegration and Error Correction:representation,estimation and testing” Econometrica,Vol.55,251-276.
12. David P. Simon (1982), “Implied Volatility Forecasts in the Grains Complex,” Journal of Futures Markets (2002), Vol. 22, No. 10, 959-981.
13. Dumas, B., J., Fleming, and R., Whaley (1998), “Implied Volatility Functions: Empirical Tests,” Journal of Finance, Vol. 53, 2059-2106.
14. French, K. R. and R., Roll (1986),” Stock Return Variances: The arrival of Information and the Reaction of Traders,” Journal of Financial Economics, Vol. 17, 5-26.
15. French, K. R., G.W., Schwert, and R. F, Stambaugh(1987),” Expected Stock Returns and Volatility,” Journal of Financial Economics, Vol. 19, 3-29.
16. Jarrow, R.A(1994)., “Derivative Security Markets, Market Manipulation, and Option Pricing Theory,” Journal of Financial and Quantitative Analysis, Vol. 29, 241-261.
17. Galai Dan (1997), “Tests of Market Efficiency of the Chicago Board Options Exchange,” The Journal of Business, Vol.50, 167-197.
18. Ghosh, A (1993),”Hedging With Stock Index Futures; Estimation and Forecasting With Error Correction Model,”Journal of Futures Market,Vol.13,743-752.
19. Granger C.(1981),”Some Prooeties of Time Series Data in Econometric Model Specification,”Journal of Futures Econometrics,Vol.16,121-130.
20. Harvey, C. R., and R. E (1991), Whaley, “S&P 100 Index Option Volatility,” Journal of Finance, Vol. 12, 123-137.
21. Howard, C. T. and L. J. D’Antonio (1984),” A Risk ReturnMeasure of Hedging Effectiveness,” Journal of Financial andQuantitative Analysis, 19(1): 101-112.
22. James A. Hyerczyk (2001), “Volatility Matters: Better Position Sizing,”Futures, May, 34-36.
23. Klemkosky, R. C (1978), “The Impact of Option Expiration on Stock Prices,” Journal of Financial and Quantitative Analysis, Vol. 13, 507-518.
24. Mark Hulbert (2003),”Chicago Board Options Exchange,VIX Introduction,” ( http://www.cboe.com/micro/vix/index.asp)
25. Noh, J., and A., Kane (1994),” Forecasting Volatility and Option Prices of the S&P 500 Index,” Journal of Derivatives, Vol. 2, 17-30.
26. Pope, P. F., and P. K. Yadav (2000), “The Impact of Expiration on Underlying Stocks: the UK Evidence,” Journal of Business Finance and Accounting, Vol. 13, 329-344.
27. Robert E. Whaley (2000), The Investor Fear Gauge.
28. Schwert, G. W (1989), “Why Does Stock Market Volatility Change over Time? ,” Journal of Finance, Vol. 44, 1115-1154.
29. Schwert, G. W (1990), “Stock Volatility and the Crash of ''87,” Review of Financial Studies, Vol. 3, 77-102.
30. Stoll, H. R., and R. E, Whaley (1987), “Program Trading and Expiration-day Effects,” Financial Analysts Journal, 16-28.
31. Stoll, H. R., and R. E, Whaley (1991), “Expiration-day Effects: What Has Changed?,” Financial Analysts Journal,58-72.
32. Whaley, Robert E (1986), “Valuation of American Futures Options: Theory and Empirical Tests,” Journal of Finance, Vol. 10, 127-150.