中文摘要
一般財務理論皆以變異數表達市場風險的大小，然而變異數所表達的是金融變數整體的離散程度，但是對於市場風險而言，最令人害怕的不是每天金融變數的波動，而是一些在機率分配中不常發生的金融市場崩盤時的影響，所以單純以變異數來表達市場風險是不足夠的，因此對於市場風險的衡量，有必要提出一套計算出市場所可能發生的最大可能的潛在損失之衡量風險指標。1994年，J.P. Morgan公司，利用統計理論上機率分配的觀念發展出一強調左尾機率分配的風險值(Value at Risk)模型，用來計算公司全球總投資部位在未來二十四小時可能發生的最大可能損失金額。由於強調的是損失金額的概念，所以很容易讓人明白，而且也補救了以變異數為風險控管上的缺點，因此在實務界及學術界中，均被廣泛的討論及使用。隨衍生性金融商品的誕生，使得金融市場邁入更多元的時代，但是由於衍生性金融商品的高槓桿倍率，在投資失利時所造成的損失更是非常的可觀，因此各國金融機構的管理當局對衍生性金融商品的風險管理更是相當的重視。但是由於衍生性金融商品具有非線性的報酬關係，和一般所面對的線性報酬金融商品有很大的不同之處，這更使得傳統風險值模型面對此一複雜的金融市場時，已無法精確地衡量市場風險，以提供給風險管理者採取適當避險策略的指標。因此，如何找出衍生性金融商品更準確的風險值計算法成為首要面對的問題，也為本研究想要探討的目標。不過，由於台灣衍生性金融商品種類較少及資料取得上的限制，所以本文以選擇權為實證研究對象。同時以傳統運用在選擇權上的常態一階Delta法及常態二階Delta-Gamma法，並且由於選擇權是和波動度具有高度相關性的金融商品，所以在本文中也採用歷史波動度、Garch模型及隱含波動度以求能捕捉選擇權的特性，此外，也採用近來運用極端值理論來和傳統模型作為比較。

Abstract
The level of market risk is expressed by variety in most financial theories. However what variety can be is only the entire scatter degree of financial variables. As for market risk , what scary most is not the fluctuation of daily financail variables but the influence which is not often caused in probabilty distribution while the financial market collapses. Market risk is not enough simlpy to be explained by variety. Therefore , in order to estimate market risk , it is necessary to present a risk-measured index which shows the most probable potential loss in the market. In 1994 , J.P. Morgan Company developed a Value at Risk Model where left-tailed probabilty distribution is emphasized through the conceot of probability distribution in statistics. This model is used to count the most possible amount which the company may lose in next twenty four hours in its global investment. Since the model emphasizes the loss , it is easy to understand and it also gets rid of the disadvange caused by using variety on risk control. Hence, VaR model is discussed and used a lot pratically and academically.
With the birth of derivatives , the financial market becomes more plural. But due to the high leverage of derivatives , the loss resuled from unproper investment is even considerable. So financial authorities in each country all put a high premium in risk control of derivatives. Nevertheless derivatives are far different from genaral linear-rewarded financial products owint to their non-linear rewarded character. In this complicated financial market , traditional risk valus models can''t estimate market risk exactly so that risk controllers may know how to avoid it properly. Thus the major theme in this study is to find out a method which can assess the risk value of derivatives more precisely. However due to minor sorts if derivatives in Taiwan and limited information , We make option in real experiment here. At the same time , we use traditional first order Delta and Second order Delta-Gamma , because option is highly related with vioality financial tool , so we use historical vioality , Garch model , and implied vioality to catch this feature . Besides , we also use extreme value to compare with traditional VaR model .

目 錄
第一章 緒論1
第一節 研究動機1
第二節 風險值的定義2
第三節 風險值文獻回顧3
第二章 選擇權簡介6
第三章 研究方法10
第一節 Delta常態近似法10
第二節 Delta-Gamma常態近似法11
第三節 波動度估計法12
第四節 蒙地卡羅法14
第五節 極端值理論15
第六節 風險值之評比準則20
第四章 實證研究24
第一節 資料選取及說明24
第二節 資料處理及其敘述統計25
第三節 風險值之計算27
第四節 實證分析28
第五章 結論與建議35
表 次
【表一】本文研究架構5
【表二】權證的發行條件25
【表三】相關權證及股價日報酬率敘述統計27
【表四】日盛04實證結果29
【表五】大華10實證結果30
【表六】聯電民國87年到89年極端值出現表34
圖 次
【圖一】以報酬率表示絕對和相對風險值的差異2
【圖二】時間價值和內含價值的差異8
【圖三】資產價格為常態分配對應到買權的價格分配9
【圖四】股價變動對買權Delta值的影響24
【圖五】股價變動對買權Gamma值的影響24
【圖六】股價、履約價集權證價格間的關係25
【圖七】Delta近似法誤差的由來31
【附圖一】日盛04實證結果39
【附圖二】大華10實證結果40

參考文獻：
【英文部分】
Black F. and M. Sholes（1973）,”The Pricing of Option and Corporate Liabilities,”
Journal of Political Economy , Vol. 81 , pp. 637-654 .
Bollerslev T.（1986）,”Generalized Autoregressive conditional heteroskedasticity,”
Journal of Econometric , Vol. 31 , pp. 307-327 .
Danielsson J. and C. G. De Vries（1997 a）,”Beyond the Sample : Extreme Quantile and Probability Estimation,” Working Paper .
Danielsson J. and C. G. De Vries（1997 b）,”Tail index and quantile estimation with high frequency data,” Journal of Empirical Finance , Vol. 4 , pp. 241-257 .
Danielsson J. and C. G. De Vries（1997 c）,”Value-at-Risk and Extreme Returns,” Working Paper .
Danielsson J. and P. Hartmann（1998）,”The Cost of Conservatism : Extreme Returns
, Value-at-Risk , and Basle Multiplication Factor,” Working Paper .
Danielsson J. and Y. Morimoto（2000）,”Forecasting Extreme Financial Risk : A Critical Analysis of Practical Methods for Japanese Market,” Working Paper .
Duffien D. and J. Pan（1997）,”An Overview of Value at Risk,” Journal of Derivatives
, Vol. 4 , pp.7-49 .
Dowd K.（1998）, Beyond Value at Risk : The new science of risk management .
Estrella A. , D. Hendricks , J. Kambhu , S. Shin and S. Walter（1994）,”The Price Risk of Option Positions : Measurement and Capatial Requirements,” Federal Reserve Bank of New York Quarterly Review , Vol. 19 , pp.27-43 .
El-Jahel L. , W. Perraudin and P. Sellin（1999）,”Value at Risk for Derivatives,” Journal of Derivatives , Vol. 6 , pp.73-89
Hall P.（1990）,”Using the Bootstrap to Estimate Mean Squared Error and Select Smoothing Parameter in Nonparametric Problems,” Journal of Multivariate Analysis , Vol. 32 , pp. 177-203.
Hull J. C.（1997）, Options , Futures , and other Derivatives.
Jackson D. , D. J. Maude and W. Perraudin（1997）,”Bank Capatial and Value at Risk,” Journal of Derivatives , Vol. 4 , pp. 73-89.
Jorion P.（1997）,Value at Risk : The New Benchmark for Controlling Market Risk.
Kupiec P. H.（1995）,”Techniques for Verifying the Accuracy of Risk Measurement Models,” Journal of Derivatives , pp.73-84.
Kupiec P. M. and J. M. O’Brien（1995）,”Internal Affairs,” Risk , pp.43-48.
Leadbetter M. R. , G. Lindgren and H. Rootzen（1983）,Extremes and Related Properities of Random Sequence and Processes.
【中文部分】
王佳真（1997），風險值觀念的介紹與運用─以台灣股票市場為例，國立台灣大學商學研究所碩士論文。
王德仁（2000），風險值評估之統計方法與實證研究，國立台北大學同濟學研究所碩士論文。
陳炎信（1999），考慮極端值事件之VaR風險管理模式，私立銘傳大學金融研究所碩士論文
康倫年（1999），Value at Risk與無母數方法，國立台灣大學財務金融學研究所碩士論文。
廖益誠（1997），市場風險控管：Value at Risk─Orthogonal Garch的運用，國立台灣大學財務金融學研究所碩士論文。
蔡明孝（2000），綜合證券商風險資產之評估-Value at Risk的應用，國立政治大學國際貿易學研究所碩士論文。