臺灣博碩士論文加值系統

本研究根據1992年8月25日至2002年1月2日期間台灣外匯市場新台幣兌美元之銀行間成交匯率來比較分析原始歷史模擬法及改良式歷史模擬法(含簡單加權移動平均法、指數加權移動平均法與Robust指數加權移動平均法)估測風險值(Value-at-Risk，VaR)之準確性，實證結果發現改良式歷史模擬法確實可以提昇VaR估計的準確性，同時簡單加權移動平均法具有較佳之估測能力。

Abstract

We collected the data of US Dollars against NT Dollars interbank exchange rates of Taiwan foreign exchange market from August 25, 1992 to January 2, 2002 to analysis and compare the accuracy of estimating Value at Risk(VaR) under the models of original Historical Simulation Approach and improved Historical Simulation Approach （including Simply Weighted Moving Average Approach、Exponentially Weighted Moving Average Approach and Robust Exponentially Weighted Moving Average Approach ）﹒The empirical results are as follow：
1.Improved Historical Simulation Approaches actually raise the accuracy of VaR estimating.
2.In general, Simply Weighted Moving Average Approach is better than Exponentially Weighted Moving Average Approach and Robust Exponentially Weighted Moving Average Approach for evaluating the accuracy of VaR.

目 錄

中文提要i
英文提要ii
誌謝iii
目錄iv
表目錄v
圖目錄vi
第一章、緒論1
第一節、 研究動機與目的1
第二節、研究範圍3
第三節、 研究流程4
第二章、文獻探討6
第一節、 VaR觀念之介紹6
第二節、 與VaR有關之國際機構與規定9
第三節、 探討與VaR方法相關之文獻13
第三章、研究方法26
第一節、 變異數的估計方法26
第二節、 VaR之衡量方法30
第三節、 風險值的驗證32
第四章、實證結果分析34
第一節、 資料來源與說明34
第二節、 歷史模擬法之實證結果37
第五章、結論與建議---------------------------------------------------57
參考文獻-------------------------------------------------------------58





表 目 錄

表2.1 回溯測試之穿透次數與資本提列乘數之關係11
表2.2 風險值衡量方法之比較14
表2.3 不同的衡量方法與衡量期間之比較15
表2.4 風險值各種方法優缺點比較19
表3.1 Kupiec(1995)檢定法之臨界值表33
表4.1 新台幣兌美元市場報酬率資料之敘述統計量計算結果35
表4.2 累積失敗總次數與失敗率：歷史模擬法37
表4.3 歷史模擬法之Kupiec檢定：原始歷史模擬法40
表4.4 歷史模擬法之Kupiec檢定：引入SMA(100；100)40
表4.5 歷史模擬法之Kupiec檢定：引入SMA(100；250)40
表4.6 歷史模擬法之Kupiec檢定：引入SMA(100；500)40
表4.7 歷史模擬法之Kupiec檢定：引入SMA(250；100)41
表4.8 歷史模擬法之Kupiec檢定：引入SMA(250；250)41
表4.9 歷史模擬法之Kupiec檢定：引入SMA(250；500)41
表4.10歷史模擬法之Kupiec檢定：引入SMA(500；100)41
表4.11歷史模擬法之Kupiec檢定：引入SMA(500；250)42
表4.12歷史模擬法之Kupiec檢定：引入SMA(500；500)42
表4.13歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(100；100)42
表4.14歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(100；250)42
表4.15歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(100；500)43
表4.16歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(250；100)43
表4.17歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(250；250)43
表4.18歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(250；500)43
表4.19歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(500；100)44
表4.20歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(500；250)44
表4.21歷史模擬法之Kupiec檢定：引入λ=0.94；EWMA(500；500)44
表4.22歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(100；100)44
表4.23歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(100；250)45
表4.24歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(100；500)45
表4.25歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(250；100)45
表4.26歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(250；250)45
表4.27歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(250；500)46
表4.28歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(500；100)46
表4.29歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(500；250)46
表4.30歷史模擬法之Kupiec檢定：引入λ=0.97；EWMA(500；500)46
表4.31歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(100；100)47
表4.32歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(100；250)47
表4.33歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(100；500)47
表4.34歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(250；100)47
表4.35歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(250；250)48
表4.36歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(250；500)48
表4.37歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(500；100)48
表4.38歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(500；250)48
表4.39歷史模擬法之Kupiec檢定：引入λ=0.99；EWMA(500；500)49
表4.40歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(100；100)49
表4.41歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(100；250)49
表4.42歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(100；500)49
表4.43歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(250；100)50
表4.44歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(250；250)50
表4.45歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(250；500)50
表4.46歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(500；100)50
表4.47歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(500；250)51
表4.48歷史模擬法之Kupiec檢定：引入λ=0.94；R-EWMA(500；500)51
表4.49歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(100；100)51
表4.50歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(100；250)51
表4.51歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(100；500)52
表4.52歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(250；100)52
表4.53歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(250；250)52
表4.54歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(250；500)52
表4.55歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(500；100)53
表4.56歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(500；250)53
表4.57歷史模擬法之Kupiec檢定：引入λ=0.97；R-EWMA(500；500)53
表4.58歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(100；100)53
表4.59歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(100；250)54
表4.60歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(100；500)54
表4.61歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(250；100)54
表4.62歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(250；250)54
表4.63歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(250；500)55
表4.64歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(500；100)55
表4.65歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(500；250)55
表4.66歷史模擬法之Kupiec檢定：引入λ=0.99；R-EWMA(500；500)55
圖 目 錄

圖1.1 研究流程圖4
圖2.1 投資組合損益之機率分配6
圖4.1 新台幣兌美元即期匯率走勢圖34

參 考 文 獻一、中文1.王仁尹，2000，我國金融資產VaR風險值壓力測試之研究，國立臺灣大學，碩士論文。2.王俊懿，2000，金融組合風險值之研究，國立臺灣大學，碩士論文。3.王濬智，1997，“風險管理之利器－風險值(VAR)”，金融研訓季刊，頁32。4.王甡，1999，“VaR風險管理效能及其未來發展”，第七屆證券暨金融市場理論與實務研討會。5.李麗華，2000，風險值應用於資產分配之研究─以股票市場為例，國立東華大學，碩士論文。6.林潔珍，2000，風險值之衡量與驗證－以台灣債券市場投資組合為例，國立臺灣大學，碩士論文。7.紀舒文，2000，VaR風險管理之保守性、精確度與效率性研究，國立臺灣大學，碩士論文。8.周忠賢，2000，風險值衡量方法的比較－匯率之實證研究，輔仁大學，碩士論文。9.沈大白，柯瓊鳳，鄒武哲，1998，“風險值衡量模式之探討－以台灣上市公司權益證券為例”，東吳經濟商學學報，22期，頁57~76。10.林楚雄，劉維琪，吳欽杉，1999，“台灣股票店頭市場股價報酬波動行為的研究”，企業管理學報，44期，頁165~192。11.翁德耀，1998，以VaR風險計量模型衡量外幣持有部位之市場風險，國立台灣大學，碩士論文。12.康倫年，1999，Value at Risk與無母數方法，國立臺灣大學，碩士論文。13.張簡彰程，2001，增進模擬法估計風險值績效之研究－以台灣股票市場為 例，義守大學，碩士論文。14.陳若鈺，1999，風險值(Value at Risk)的衡量與驗證：台灣股匯市之實證，國立臺灣大學，碩士論文。15.黃冠瑋，1999，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，碩士論文。16.鄭義，1999，“VaR風險值評估模型之研究”，亞太金融中心學術研討會。二、英文1.Alexander, C. and Leigh, 1997, “On the Covariance Matrices Used in Value atRisk Models” , Journal of Derivatives, pp.50-62, Spring2.Beder, T.S. ,1995, “VAR：seductive but Dangerous” , Financial Analysts Journal.3.Bollerslev, T. ,1986, “Generalized Autoregressive Condition Heteroskedasticity”, Journal of Econometrics, vol.31, pp.307-327.4.Boothe, P. and D. Glassman ,1987, “The statistical distribution of exchange rates：Empirical evidence and economic implication.”, Journal of International Economics, vol.22, pp.297-320.5.Butler, J. S. and B. Schacter ,1996, “Improving Value-at-Risk Estimates byCombining Kernel Estimation With Historical Simulation,” Economic & Policy Analysis Working paper.6.Danielsson, J. and C.G. de Vries ,1997a, “Value at Risk and extreme returns”, Working Paper, London School of Economics.7.Danielsson, J., L. de Haan, L. Peng and C.G. de Vries ,1997, “Using bootstrapmethod to choose the sample fraction in tail index estimation,” Working Paper.8.Duffie, D., and J. Pan.,1997, “An Overview of Value at Risk”, Journal ofDerivatives, pp.7-49.9.Engel, R.F., and V. Ng ,1993, “Measuring and Testing the Impact of News onVolatility”, Journal of Finance, pp.1749-1777, Spring.10.Fama, E.F., and R. Roll ,1968, “Some properties of symmetric stable distribution”, Journal of the American Statistical Association, pp.817-846.11.Goorbergh, R. V. D. and P. Vlaar ,1999, “Value-at-Risk Analysis of Stock Returns Historical Simulation, Variance Techniques or Tail Index Estimation？”, 12.Hendricks, D. ,1996, “Evaluation of Value-at-Risk Models Using Historical Data”, Economic policy review, April, Federal Reserve Bank of Philadelphia.13.Hopper, G. ,1996, “Value at Risk：A new Methodology for Measuring Portfolio Risk”, Business Review(Jul/Aug), Federal Reserve Bank of Philadelphia, pp.19-29.14.Hull, J. and A. White ,1998, “Incorporating volatility updating into the historical Simulation method for value-at-risk”, Journal of risk, pp.5-19.15.Hull, J. and A. White ,1998, “Value at Risk when daily changes in marketvariables are not normally distribution”, Journal of Derivatives, pp.9-19, Spring16.Jorion ,1997a, “VALUE AT RISK－The New Benchmark for Controlling MarketRisk”.17.Jorion ,1997b, “Risk2：Measuring the Risk in Value at Risk”, Financial AnalysisJournal , pp.47-56, November/Decembe r18.J.P.Morgan-Technical Document ,1995, Morgan Guaranty Trust Company19.Kupiec, P.,1995, “Technique for Verifying the Accuracy of Risk MeasurementModels”, Journal of Portfolio Management , pp.73-84, Summer20.Lopez, J.A.,1997, “Methods for Evaluating value-at-risk Estimates”, Federal Reserve Bank of New York, staff report.21.Simons, K. ,1996, “Value at Risk-New Approaches to Risk Management”, NewEngland Economic Review, New England Review, pp.3-13, September/October22.Vlarr, Peter J.G. ,2000, “Value at risk models for Dutch bond portfolios”, Journal of Banking and Finance, vol.24(7), pp.1131-1154.23.Venkataraman, S. 1997, “Value at risk for mixture of normal distribution：The use of quasi-bayesian estimation techniques”, Economic Perspectives, Federal Reserve Bank of Chicago, pp.2-13.24.Zangari, P. 1996, “An Improved Methodology for Measuring VaR”, RiskMwtricsTM-Monitor, Second Quarter, New York.25.Cherif Guermat and Richard D.F. Harris , 2000, “Robust Conditional Variance Estimation and Value-at-Risk”,Working Paper, http：// www.ssrn.com.