臺灣博碩士論文加值系統

以往最常以標準常態分配建立參數模型估計金融資產報酬，而跳躍型態也比較適用於這些觀察資料的統計特徵。本研究採用道瓊工業股價指數的日報酬資料為主要之研究對象，採用較為一般化的Skewed t分配，而報酬資料的跳躍型態依然在本研究的重點之列，由於價格在短期間存在跳躍(Jump)的現象，因市場突發性重大經濟事件之發生造成資產報酬率隨機跳躍，跳躍大小會影響報酬率。因此利用ARJI模型捕捉此不連續的行為，進而本研究建立ARJI-Skewed t 模型延伸了Chan and Maheu(2002)的ARJI模型，實證結果發現：
一、透過ARJI-N及ARJI-Skewed t模型的建立，其表現能夠有5%的概似比例檢定顯著水準優於常數跳躍模型。
二、無論常數跳躍模型或ARJI模型採用服從偏態 t 分配比服從常態分配會有較高的概似比例値，惟採用服從偏態 t 分配的模型，其績效表現雖然能夠比以往採用服從常態分配的模型為佳，但是並沒有顯著性的差異。

In most financial asset returns, the most commonly used parametric specification for the return distribution is standard normal distribution, but discrete jumps in returns are better for matching some statistical features observed in the data. In this study, we use the daily return from the DJIA as research subject, and a more generalized return distribution, Skewed t-distribution, which includes the normal distribution as a special case, as the research approach. In addition the jumps in return are also included in this study. The presence of jumps exists in stock price, and the jump intensity may affect returns. Therefore this study proposes the concept of ARJI-Skewed t model, which extents the ARJI models in Chan and Maheu (2002). The findings of this study are as follows: first, the ARJI-N and ARJI-Skewed t models have better Likelihood Ratio performance than the GARCH-CJ-N and GARCH-CJ-Skewed t models. Second, the ARJI-Skewed t model’s Likelihood Ratio does not significantly higher than that of the ARJI-N model.

第一章 緒論1
第一節 研究動機1
第二節 研究目的2
第三節 研究架構3
第二章 文獻回顧5
第一節 文獻探討5
第二節 國外研究相關文獻回顧8
第三節 國內研究相關文獻回顧10
第三章 研究方法與理論模型14
第一節 研究方法14
第二節 跳躍模型19
第三節 概似比率檢定25
第四節 風險值26
第四章 實證結果與分析30
第一節 資料來源與處理30
第二節 基本敍述統計33
第三節 實證結果與分析34
第四節 概似比率檢定35
第五節 風險值估計與檢驗41
第五章 結論42
參考文獻44

表目錄
【表4-1】道瓊工業平均指數之基本統計量33
【表4-2】跳躍模型實證估計結果36
【表4-3】ARJI模型風險値之績效衡量41

圖目錄
【圖1-1】研究流程4
【圖3-1】偏態 t 分配18
【圖4-1】道瓊工業平均指數原始時間趨勢圖31
【圖4-2】道瓊工業平均指數轉換為日報酬率之時間趨勢圖32
【圖4-3】道瓊工業平均指數之不連續跳躍頻率37
【圖4-4】條件與時變異跳躍強度37
【圖4-5】常態分配圖形39
【圖4-6】偏態 t 分配圖形39
【圖4-7】合併常態分配與偏態 t 分配圖形40
【圖4-8】合併常態分配與偏態 t 分配圖形右尾放大40

國內文獻：
李彥賢、姜淑美、邱建良(2006)，「亞洲金融風暴對台灣股匯市影響：跳躍-擴散模型應用」，朝陽商管評論，第 5 卷，第 1 期，1-22。
林丙輝、林明威(2005)，「以SGT模型探討選擇權之隱含機率分配」，國立台灣科技大學企業管理系研究所碩士論文。
林丙輝、葉仕國(1999)，「台灣股票價格非連續跳躍變動與條件異質變異之研究」，證券市場發展季刊，第11期，61-92。
張揖平、洪明欽、張沛德(2004)，「不對稱拉普拉斯分配之風險值計算」，東吳大學商用數學研究所碩士論文。
郭崑謨、周盈宏(1989)，「資本資產定價模式中偏態效果之探討─台灣股票市場實證」，中國文化大學企業管理研究所碩士論文。
黃博怡、邱哲修、林卓民、陳建宏(2005)，「短期利率之動態條件變異與預測績效之探討」，金融風險管理季刊，第1卷，第2期，17-32。
葉仕國、周建新(1998)，「以跳躍-擴散模型評價單一型認購權證之實證研究」，高雄第一科技大學金融營運研究所碩士論文。
劉美纓、洪肇亨(2003)，「不對稱GARCH風險值模型績效之研究」，東吳大學企業管理研究所碩士論文。
劉惠美、洪明欽(2003)，「Normal Inverse Gaussian分配其檢定之探討」，國立台北大學統計研究所碩士論文。
賴素鈴、莊政儒(2000)，「臺灣股價指數報酬分配常性與投資組合之探討」，中國文化大學國際企業管理研究所碩士論文。
謝淑貞、鄭士緯(2005)，「以厚尾分配及緩長記憶特性模型分析日圓匯率期貨報酬之風險值」，國立政治大學國際貿易研究所碩士論文。

國外文獻：
Ahn, D. H., R. Dittmar, and A. R. Gallant (2002), “ Quadratic Term Structure Models: Theory and Evidence”, Review of Financial Studies, Vol. 15, pp. 243-288.
Akgiray, V. and G. Booth (1988), “The Stable-law Model of Stock Returns”, Journal of Business and Economic Statistics, Vol. 6, pp. 51-57.
Ball, C.A. and W.N. Torous (1983), “A Simplified Jump Process for Common Stock Returns”, Journal of Financial and Quantitative Analysis, Vol. 18, pp. 53-63.
Bekaert, G., Campbell R. Harvey, Claude B. Erb, and Tadas E. Viskanta (1998), “Distributional Characteristics of Emerging Market Returns and Asset Allocation”, Journal of PortfolioManagement, Winter, pp. 102-116.
Blattberg, R.C. and N.J. Gonedes (1974), “A Comparison of the Stable and Student Distribution as Statistical Models for Stock Prices”, Journal of Business, Vol. 47, pp. 244-280.
Bollerslev, T. (1987), “A Conditionally Heteroskedasticity Time Series Model for Speculative Prices and Rates of Return”, Review of Economics & Statistics, Vol. 69, pp. 542-547.
Chan, W., and John Maheu(2002), “Conditional jump dynamics in stock market returns”, Journal of Business and Economic Statistics, Vol. 20, pp. 377-389.
Engle, R.F. (1982), “Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation”, Econometrica, Vol. 50, pp. 987-1007.
Fama, E.F. (1965), “The Behavior of Stock Market Prices”, Journal of Business, Vol. 38, pp. 34-105.
Goorbergh, R.V.D. and P. Vlaar, (1999), “Value-at-Risk Analysis of Stock Returns : Historical Simulation, Variance Techniques or Tail Index Estimation ?”, DNB Staff Reports with, No. 40.
Hansen, Bruce(1994), “Autoregressive Conditional Density Estimation”, International Economic Review, Vol. 35, pp. 705-730.
Hendricks, D.(1996), “Evaluation of value-at-risk models using historical data”, Economic Policy Review, pp. 39-69.
Johannes, M.(2003), “ The Statistical and Economic Role of Jumps in Continuous-Time Interest Rate Models”, The Journal of Finance, Vol. 59, pp. 227-260.
Jorion, P.(1988), “On Jump Processes in the Foreign Exchange and Stock Markets”, Review of Financial Studies, Vol. 1, pp. 427-445.
Jorion, P.(2000), “Value-at-Risk: The New Benchmark for Controlling Market Risk”, 2nd edition, McGraw-Hill, N.Y.
Maheu, John, and Thomas McCurdy(2004), “News Arrival, Jump Dynamics, and Volatility Components for Individual Stock Returns”, Journal of Finance, Vol. 59, pp. 755-793.
Mandelbrot, B.(1963), “New Method in Statistical Economics”, Journal of Political Economy, Vol. 71, pp. 421-440.
Mandelbrot, B.(1967), “The Variation of Some Other Speculative Prices”, Journal of Business, Vol. 40, pp. 393-413.
Merton, R.(1976), “ Option pricing when underlying stock returns are discontinuous”, Journal of Financial Economics, Vol. 3, pp. 125-144.
Nelson, D.B.(1991), “Conditional Heteroskedasticity in Asset Returns: A New Approach”, Econometrica, Vol. 59, pp. 347-370.
Press, S. J.(1967), “A Compound Events Model for Security Prices”, Journal of Business , Vol. 40, pp. 317-335.
Tucker, A.L. and L. Pond (1988), “The Probability Distribution of Foreign Exchange Price Changes: Tests of Candidate Processes”, Review of Economics & Statistics, Vol. 70, pp. 638-647.