臺灣博碩士論文加值系統

眾多文獻指出金融資產報酬具有厚尾(Fat-Tail)及波動聚集(Volatility Clustering)的現象。而在尾端風險的衡量方面，究竟此一非齊質變異數應否考慮亦為各方所爭論。本文之研究擬以非條件分配(即Mixture Normal、Laplace及Normal三種分配)和條件分配(即一般常用之Garch(1,1)模式加上Mixture Normal及Laplace分配)等五種方式對台灣加權股價指數及開放式一般股票型基金日報酬率資料估計風險值，輔以回溯測試決定適用之分配。
在實證結果方面，Laplace分配優於混合常態分配之風險值估計，其原因是不論台灣加權股價指數報酬率或基金報酬率的資料並未分成“左右”兩群，而是類似單一分配，因此在用實際資料配適此分配時，混合常態分配僅能區別出平均數近似，而數異數不同的兩個常態分配。而Laplace分配較混合常態分配為厚尾，故混合常態分配表現劣於Laplace分配。
就台灣加權股價指數報酬率而言，除了在1％的顯著水準及250天的估計期間，Garch(1,1)-Laplace所得之漏損率為最接近者外，其餘均是以Laplace分配所求得之漏損率最佳。
就開放式一般股票型基金報酬率而言，不論估計期間為何（250或500天），在1％的顯著水準下，Laplace分配對風險值估計較佳；在5％的顯著水準下，以Garch(1,1)-Laplace得到良好的風險值估計。或許如 Danielsson and de Vries(2000)所說，縱使就一般資產報酬有波動聚集的情況，然就極端事件(α=1%)而言並不具有此一現象，故以非條件之Laplace分配求算尾端風險即可。

目 錄
第一章、緒論........................................................................................................... 1
第一節、 研究背景.............................................................................................. 1
第二節、 何謂風險值(Value at Risk，VaR)......................................................... 2
第二章、文獻回顧...................................................................................................3
第三章、研究方法...................................................................................................5
第一節、 混合常態分配......................................................................................5
第二節、 Laplace分配.........................................................................................7
第三節、 Garch Model.......................................................................................10
第四節、 VaR模型檢定方法.............................................................................11
第四章、實證研究.................................................................................................13
第一節、 資料選取與研究對象........................................................................13
第二節、 實證架構流程....................................................................................15
第三節、 台灣加權股價指數報酬率風險值之衡量........................................16
第四節、 開放式一般股票型基金報酬率風險值之衡量................................26
第五章、結論..........................................................................................................46
參考文獻...................................................................................................................47

參考文獻
一、 英文部分
Danielsson, J. and De Vries, C. G.. (1997b), “Tail index and quantile estimation with very high frequency data,” Journal of Empirical Finance, 4, 241-257.
Danielsson, J. and De Vries, C. G.. (2000), “Value-at-Risk and Extreme Returns,” London School of Economics, Financial Markets Group Discussion Paper, no.273.
Danielsson, J. Hartman, P. and De Vries, C. G.. (1998), “The cost of conservatism,” RISK, 11(1), 101-103.
Embrechets, P. Resnick, S. and Samorodnitsky, G. (1998a), “Extreme Value Theory as a Risk Management Tool,” North America Actuarial Journal, to appear.
Embrechets, P. Resnick, S. and Samorodnitsky, G. (1998b), “Living on the Edge,” RISK Magazine, 11(1), 96-100.
Hamilton, D. J. ( 1991), “A Quasi-Bayesian Approach to Estimating Parameters for
Mixtures of Normal Distributions,” Journal of Business & Economic Statistics, 9: 27-39.
Johnson, N. L. Kotz, S. and Balakrishnan, N. (1995), Continuous Univariate Distributions Volume 2, John Wiley & Sons publishing.
Jorion, P. (1997), Value At Risk : The New Benchmark for Controlling Market Risk, Irwin publishing.
J.P. Morgan/Reuters (1996), RiskMetrics─Technical Document 4th edition.
Kotz, S. Kozubowski, T. J. and Podgorski, K. (2001), “The Laplace Distribution and Generalizations: A Revisit with Applications to Communications, Economics, Engineering, and Finance,” Birkhauser publishing.
Linden, M. (2001), “A Model For Stock Return Distribution,” International Journal of Finance and Economics, 6:159-169.
Longin, F. (1997a), “Beyond the VaR,” Discussion Paper 97-011, CERESSEC.
Longin, F. (1997b), “From value at risk to stress testing, the extreme value approach,” Discussion Paper 97-004, CERESSEC.
McNeil, A. J. (1997), “Estimating the Tails of Loss Severity Distribution using Extreme Value Theory,” ASTIN Bulletin, 27,117-137.
McNeil, A. J. (1998), “Calculating Quantile Risk Measures for Financial Return Series using Extreme Value Theory,” preprint, ETH Zurich.
McNeil, A. J. and Frey, R. (1999), “Estimation of Tail-Related Risk Measures for Heteroscedastic Financial Time Series: an Extreme Value Approach,” Journal of Empirical Finance, 7: 271-300.
Venkataraman, S. (1997), “Value At Risk for A Mixture of Normal Distributions : The Use of Quasi-Bayesian Estimation Techniques,” Economic Perspectives, Federal Bank of Chicago, March:2-13.
二、 中文部分
李進生、謝文良、林允永、蔣炤坪、陳達新、盧陽正(2001)，「風險管理－風險值(VaR)理論與應用」，清蔚科技出版。
蒲建亨(2001)，「整合VaR法之衡量與驗證∼以台灣金融市場投資組合為例」，國立政治大學國際貿易研究所碩士論文。
蔡明孝(2000)，「綜合券商風險資產之評估－Value at Risk」，國立政治大學國際貿易研究所碩士論文。
張雅惠(2000)，「應用風險值評估共同基金之績效」，國立政治大學金融研究所碩士論文。
呂自勇(1997)，「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」，國立中央大學財務管理研究所碩士論文。