(3.238.186.43) 您好!臺灣時間:2021/03/01 08:56
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:周裕峰
研究生(外文):Yu-Fong Chou
論文名稱:結合波動性時間序列模式與極端值理論之涉險值評估模式
論文名稱(外文):A Research on the Value at Risk Model Combining Extreme Value Theory and Time Varying Volatility Model
指導教授:盧陽正盧陽正引用關係許芳銘許芳銘引用關係
指導教授(外文):Yang-Chung LuFang-Ming Hsu
學位類別:碩士
校院名稱:銘傳大學
系所名稱:金融研究所碩士在職專班
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2001
畢業學年度:89
語文別:中文
論文頁數:63
中文關鍵詞:風險值涉險值厚尾極端值理論時間序列
外文關鍵詞:VaREVTTime Series
相關次數:
  • 被引用被引用:10
  • 點閱點閱:173
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
根據1988年的巴塞爾協定(Basle Accord),首先要求銀行機構建置系統化的風險管理機制,其主要目的在促使銀行計提適足的自有資本適足率以承擔方險。自有資本適足率的計提與經營有相當的關係,過多將使可用資金減少,不足將降低機構對市場發生下方風險時的抵禦能力,因此適當的資本適足率的計提便顯得十分重要。資本適足率的計提其目的在隨時能衡量機構的風險暴露程度。衡量風險的方法中,以涉險值模型簡單容易瞭解而廣為接受。
涉險值模型關心的是機構投資組合的下方風險,也就是金融資產報酬率分配尾端的真實現象,一般財務數列的報酬分配均呈現厚尾現象,一般以常態分配為假設的模型較不易準確估計,目前極端涉險值模型在尾端現象的估計方法上有不錯的表現。但是大部分的極端涉險值模型只有考慮橫斷面上資料。本研究主要在實證時間序列極端涉險值模型對非常態資產報酬的連續性行為的表現狀況。
本研究以三種基礎資產為對象,第一種為證券市場的投資組合為對象,以股價指數為替代變數;第二種為美國NYSE 及NASDAQ 市場中具代表性的電子股個股資料;第三種為匯率資料。實證結果發現:
l時間序列極端涉險值模型在失敗次數及失敗率上相對最低。
l時間序列極端涉險值模型在估計標準誤相對最低,顯示出此模型表現之平穩性。
l時間序列極端涉險值模型在累計超額損失相對最低,表示此模型對於市場處於高波動期時,對下方風險之防禦能力最佳。
A Research on the Value at Risk Model Combining Extreme Value Theory and
Time Varying Volatility Model
Adbisors:Lu,Yang-Chen Student:Chou,Yu-Fong
Hsu,Fang-Ming
Abstract
According to 1998 Bassel Accord, the banking institutions are firstly required to build up a mechanism monitoring the systematic risk to mainly make them keep an appropriate level of capital adequacy bearing the systematic risk. Moreover, the capital adequacy is highly related to the performance of business management: the excessive amount of capital adequacy make cash available less; conversely the inadequate makes it less invulnerability to the exposure to the systematic risk. The level of capital adequacy cannot be emphasized too much and hence the design of capital adequacy is to timely tell the warning exposure to the systematic risk. The Value-at-Risk (VaR) has been widely accepted as an easier model to calculate the risk.
The VaR focuses on the downside position of portfolio, telling the truth of the fat distribution of financial asset returns, of which the extreme values are underestimated under normal distribution assumption. Currently, the estimation of EVT-ARCH(1,1) model has performed very well in describing the fat phenomena. But most of the EVT model just considers the cross-section data. The research is to empirically study the performance of AR(1)-GARCH(1,1)-EVT estimation to well sequentially understand the behavior of abnormal asset returns.
The research mainly concerns the data of three kinds of assets in respective. The first concerns the stock index, reflecting the portfolio in the security market. The second concerns the leading stock of electronic of American NYSE and NASDAQ market. The third is the exchange rates.
The empirical results show that
1.the AR(1)-GARCH(1,1)-EVT model has the relatively lowest number and ratio of failure testing.
2.the standard deviation of AR(1)-GARCH(1,1)-EVT model is the relatively lowest, which supports that the model have the relative stability.
3.the AR(1)-GARCH(1,1)-EVT model have the relatively lowest value of accumulated loss, which supports that the model effectively defends the low position of the risk.
第一章 緒論1
第一節 研究背景與動機1
第二節 研究問題與目的3
第三節 研究流程與架構6
(1) 研究流程6
(2) 論文架構7
第二章 文獻探討8
第一節 涉險值基本觀念與定義8
第二節 等權移動平均(SMA)模型11
第三節 指數加權移動平均(EWMA)模型11
第四節 半參數型極端涉險值理論12
第五節 參數型極端涉險值模型15
第六節 涉險值估計模型的比較17
(1) 特性比較17
(2) 時間序列涉險值模型18
第七節 壓力測試(Stress Testing)18
第八節 國內文獻探討19
第三章 研究方法與研究設計22
第一節 時間序列極端涉險值模型22
(1) 最大概似估計求解AR-GARCH架構下之σt+1與μt+123
(2) 運用極端涉險值模型估算涉險值24
第二節 回溯測試25
第四章 實證結果分析27
第一節 資料說明27
第二節 各種VaR競爭模型之基本設定27
第三節 實證結果與分析29
(1) 股價指數實證分析30
(2) 美國電子業個股資料實證分析31
(3) 匯率資料實證分析33
第五章 研究結論與建議41
第一節 結論41
第二節 後續研究建議42
附錄44
參考文獻58
中文部份58
英文部分60
中文部份
1、呂自勇,金融資產投資組合風險值衡量~以台灣股市債市投資組合為例,中央大學財務管理研究所碩士論文,民國86年6月。
2、王佳真,《風險值觀念的介紹與應用-以臺灣股票市場為例》,國立臺灣大學商學研究所碩士論文,2000年6月。
3、宋文仁,投資組合之關聯度分析與使用Value-at-Risk模型衡量其市場風險,中原大學企業管理研究所碩士論文,民國87年6月。
4、康倫年,Value at Risk與無母數方法,台灣大學財務金融研究所碩士論文,民國88年6月。
5、黃冠瑋,結合蒙地卡羅模擬法與波動性模型之涉險值分析,淡江大學財務金融研究所碩士論文,民國88年6月。
6、陳炎信,考慮極端事件之VaR風險管理模式,銘傳大學金融研究所碩士論文,民國88年6月。
7、張士杰,運用拔靴複製法構建VaR估計量之分配,銘傳大學金融研究所碩士論文,民國88年6月。
8、賴雨聖,運用準亂數抽樣技術改進半參數型極端涉險值模型之估計,銘傳大學金融研究所碩士論文,民國89年6月。
9、盧陽正,「考量厚尾分配誤差修正之涉險值拔靴複製估計-以亞洲新興股市投資組合為實證」,證券市場發展季刊,民國89年 第十二卷 第二期。
10、李進生、謝文良、盧陽正、蔣炤坪、陳達新及林允永,風險管理,新竹:清蔚科技出版事業部,民國90年1月。
11、李儀坤、張節昌及黃建森,金融風險管理,華泰文化事業股份有限公司,民國89年6月。
英文部分
1、Alexander, C.O., and C. T. Leign, “On The Covariance Matrices Used In Value at Risk Model”, The Journal of Derivatives, Spring 1997.
2、Alexander, Carol, “Risk Management and analysis,” John Wiley & Son, 1998.
3、Abken, Peter. A., ”An Empirical Evaluation of Value at Risk by Scenario Simulation,” The Journal of Derivatives, Summer 2000.
4、Bank of International Settlement ,“Risk Management Guidelines for Derivatives, ”www.bis.org, July 1994.
5、de Oliveira,Tiago J., Statistical Extremes and Applications, 1983,Springer.
6、Danielsson, Jon, Casper. G. de Vries, and B. N. Jorgensen, “The Value of Value at Risk: Statistical, Financial, and Regulatory Considerations”, FRBNY Economic Policy Review, October 1998.
7、Danielsson, Jon, and Casper. G. de Vries, ”Value-at-Risk and Extreme Returns”, January 2000.
8、Danielsson, Jon., and Casper. G. de Vries, ”Tail index and quantile estimation with very high frequency data”, Journal of Empirical Finance ,vol 4,pp. 241-257, 1997.
9、Danielsson, Jon, L. de Hann, L. Peng, and Casper. G. de Vries, “Using a Bootstrap Method to Choose the Sample Fraction in Tail Index Estimation”, working paper, 1997.
10、Duffie, D., and J. Pan, “An Overview of Value at Risk”, Journal of Derivatives, Vol. 4, No. 3, p.p.7-49, Spring 1997.
11、Fama, Eugene, “The behavior of stock market prices,” Journal of Business, Vol.38, pp.34-105, 1965.
12、Goldie, C.M., Simith, R.L., “slow variation with remainder: Theory and applications,” Quarterly Journal of Mathematics 38, pp.45-71, 1987.
13、Hall, P, “Using the bootstrap to estimation mean squared error and select smoothing parameter in nonparametric problems,” Journal of Multivariate Analysis, Vol.32, pp.177-203,1990.
14、Hill, B. M., “A sample general approach to inference about the tail of a distribution,” Annals of Statistics, Vol.35, pp.1163-1173, 1975.
15、J.P. Morgan, RiskMetrics Technical Document, Fourth Edition, 1996.
16、Johnson, Norman L., Samuel Kotz and N. Balakrishnan, Continuous Univariate Distributions , Volume 2, pp.1-112,1994
17、Jorion, Philippe, Value at Risk, 2nd edition, 2000.
18、Leadbetter, M.R., G. Lindgren, and H. Rootzen, Extremes and Related Properties of Random Sequences and Processes, Springer-Verlag, New York, 1983.
19、Longin, F.M., “The Asymptotic Distribution of Extreme Stock Market Returns.”, Journal of Business,Vol 69,No 3, pp.383-408, 1996.
20、Longin, F.M., “The Threshold Effect in Expected Volatility:A Model Based on Asymmetric Information”, The Review of Financial Studies, pp.837-869, Fall 1997.
21、Longin, F.M., “From value at risk to stress testing : The extreme value approach”, Journal of Banking and Finance 24 (7),2000.
22、Lu,Yang-Cheng “Application of VaR Bootstrapping with Fat-Tail Corrections to the Asian Emerging Equity Markets,” Review of Securities and Futures Markets, 2000.
23、McNeil,Alexander J., and Frey Rudiger, ”Estimation of Tail-Related Risk Measures for Heteroscedastic Financial Time Series: An Extreme Value Approach” Working paper, September 2000.
24、Marshall, C., Micheal Siegel, “Value at Risk: Implementing a Risk Measurement standard,” Journal of Derivatives, pp.91-111 Spring 1997,.
25、Neftci, S. N., “Value at Risk Calculations Extreme: Events, and Tail Estimation”, p.p. 23-37, Spring 2000.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔