(3.230.76.48) 您好!臺灣時間:2021/04/12 15:23
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:楊智凱
研究生(外文):Chin-Kai Yang
論文名稱:不同壓力測試模型之比較-以兩岸三地股票市場為例
論文名稱(外文):A Comparison of Stress Testing Approaches-The Case for the Taiwan, Hong Kong and China
指導教授:劉美纓劉美纓引用關係
指導教授(外文):Mei-Ying Liu
學位類別:碩士
校院名稱:東吳大學
系所名稱:企業管理學系
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:90
中文關鍵詞:風險值壓力測試常態分配混合常態分配極值分配準確性覆蓋率
外文關鍵詞:Value-at-RiskStress TestingNormal DistributionMixture Normal DistributionExtreme Value DistributionAccuracyLoss Coverage Ratio
相關次數:
  • 被引用被引用:2
  • 點閱點閱:369
  • 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:90
  • 收藏至我的研究室書目清單書目收藏:0
面對各國金融市場的日趨開放,國際市場間的連動性隨之增加,傳統的風險值已無法完全掌握重大金融事件所造成的損失,而壓力測試值正好能彌補風險值的缺失,透過壓力情境的設定,估計極端事件發生時的最大可能損失。本文則彙整過去國內外學者所使用過的壓力測試模型,分別為常態分配模型、混合常態分配模型與極值分配模型,利用這些模型來估計台灣、香港與中國股市的壓力測試值,同時考量單一資產與投資組合的情形,並透過準確性與覆蓋率來評估模型的優劣。而實證結果發現,單一資產的準確性以極值分配模型最佳,常態分配模型最差。覆蓋率以混合常態分配模型最高,常態分配模型最低;此外投資組合的準確性以Kupiec與Kim & Finger模型最佳,極值分配模型最差。覆蓋率則以極值分配模型最高,一般壓力測試模型最低。
As global financial markets become more and more liberalized, the interrelationships between international markets consistently increase. While the traditional concept of value-at-risk is incapable of completely controlling the losses caused by critical financial events, stress testing can make up for what value-at-risk is unable to provide. Through the setting of stress test scenarios, the maximal probable losses when rare events occur can be estimated. In this article, several stress-testing methodologies that have been adopted by scholars in the past are considered, including the normal distribution model as well as a mixture normal distribution model and an extreme value distribution model. These models are used to estimate the stress test losses of stock assets in Taiwan, Hong Kong and China. Models comprising both a single risky asset and a portfolio are considered, and the accuracy test and the loss coverage ratio are used to evaluate which model is better. The results show that the extreme value distribution method provides the most accurate stress-VaR estimator, and the mixture normal distribution method provides the highest loss coverage ratio in the case of a single risky asset. Moreover, the Kupiec model and the Kim & Finger model outperform the other models in terms of the accuracy measure, and the extreme value distribution method is found to be superior to the other methods based on the coverage ratio in the case of a portfolio.
第一章 緒論 ………………………………………………………1
第一節 研究動機……………………………………………………1
第二節 研究目的……………………………………………………5
第三節 研究架構……………………………………………………6
第二章 文獻探討………………………………………………………8
第一節 風險值、回顧測試與壓力測試定義及估計方法…………8
第二節 壓力測試相關之文獻探討 ………………………………17
第三章 研究設計與方法…… ………………………………………22
第一節 實證資料與程式說明 ……………………………………22
第二節 單一資產之壓力測試模型 ………………………………25
第三節 投資組合之壓力測試模型 ………………………………37
第四章 實證結果分析 ………………………………………………48
第一節 樣本基本統計分析 ………………………………………48
第二節 壓力測試模型參數之估計結果 …………………………51
第三節 單一資產之壓力測試 ……………………………………53
第四節 投資組合之壓力測試 ……………………………………57
第五章 緒論與建議 …………………………………………………73
附錄 ……………………………………………………………………75
參考文獻 ………………………………………………………………86
表目錄
表2-1 風險值與壓力測試之比較 ……………………………………15
表2-2 BM與POT 模型之比較 …………………………………………16
表3-1 壓力測試模型特性之比較 ……………………………………46
表3-2 壓力測試模型優缺點之比較 …………………………………47
表4-1 股市報酬率之基本統計分析 …………………………………49
表4-2 常態分配模型參數之估計結果 ………………………………52
表4-3 混合常態分配模型參數之估計結果 …………………………52
表4-4 極值分配模型參數之估計結果 ………………………………53
表4-5 股市報酬率之連檢定結果 ……………………………………54
表4-6 各模型之壓力測試值估計結果-單一資產 …………………55
表4-7 常態分配模型與混合常態分配模型之概似比檢定 …………55
表4-8 壓力測試模型之覆蓋次數 ……………………………………56
表4-9 壓力測試模型之準確性概似比檢定虛無假說 ………………56
表4-10壓力測試模型之概似比檢定 …………………………………56
表4-11股市報酬率之歷史相關係數估計結果 ………………………58
表4-12股市報酬率之極值相關係數估計結果 ………………………58
表4-13各模型之壓力測試值估計結果-投資組合 …………………59
表4-14股市之單日壓力事件表 ………………………………………60
表4-15壓力測試值模型之估計結果-投資組合(香港與台灣) …64
表4-16壓力測試值模型之估計結果-投資組合(中國與台灣) …65
表4-17壓力測試值模型之估計結果-投資組合(台灣與香港) …66
表4-18壓力測試值模型之估計結果-投資組合(中國與香港) …67
表4-19壓力測試值模型之估計結果-投資組合(台灣與中國) …68
表4-20壓力測試值模型之估計結果-投資組合(香港與中國) …69
表4-21股市之單日壓力事件相關資訊 ………………………………70
表4-22股市報酬率之條件相關係數估計結果 ………………………70
表4-23壓力測試模型之覆蓋次數計算結果 …………………………71
表4-24壓力測試模型之均方誤計算結果 ……………………………71
圖目錄
圖1-1 研究架構…………………………………………………………7
圖3-1 極值分配與原始分配累積機率之轉換關係 …………………30
圖3-2 極小值分配與極大值分配累積機率之轉換關係 ……………31
圖4-1 台灣股市報酬率之直方圖 ……………………………………50
圖4-2 香港股市報酬率之直方圖 ……………………………………50
圖4-3 中國股市報酬率之直方圖 ……………………………………51
1.王仁尹(民89),「我國金融資產組合VaR風險值壓力測試研究,台灣大學國際企業學研究所論文。
2.王永慶(民90),「參數型與半參數型極端風險值模型之估計及其餘壓力測試上之應用」,銘傳大學金融研究所未出版碩士論文。
3.王甡、吳壽山(民89),「金融機構資產組合壓力測試之文獻回顧、執行方法與管理意涵」,台灣金融財務季刊,第1輯,第1期,頁41-57。
4.王甡、吳壽山(民90),「一般化風險值與壓力測試值之估計-混合一般化極值分配模型分析」,風險管理學報,第3卷,第1期,頁23-48。
5.王甡、許孟彥(民88),「證券商市場風險管理之研究」,財團法人中華民國證券暨期貨市場發展基金會。
6.沈大白、敬永康(民90),「壓力測試-風險值系統的重要輔助工具」,貨幣觀測與信用評等,第27期,頁89-99。
7.李進生、謝文良、林允永、蔣炤坪、陳達新、盧陽正(民90),「風險管理-風險值理論與應用」,清蔚科技出版事業部。
8.沈大白、詹乾隆(民91),「台灣地區財務金融事件風險與壓力測試」,商情資料庫分析與建置研究之成果發表會,頁111-141。
9.吳方聖(民92),「運用條件Power EWMA估計式衡量風險值之績效研究」,東吳大學企業管理系未出版碩士論文。
10.周大慶、沈大白、張大成、敬永康、柯瓊鳳(民91),「風險管理新標竿-風險值理論與應用」,智勝文化事業有限公司。
11.陳炎信(民88),「考慮極端事件之VaR風險管理模式」,銘傳大學金融研究所未出版碩士論文。
12.郭震坤、陳宏、李志偉(民91),「兩階段傳輸壓力測試之VaR壓力測試」,台灣管理學刊,第2卷,第2期,頁21-38。
13.楊佳寧(民90),「國內金融資產投資組合風險值壓力測試之研究-Kupiec條件機率壓力測試法」,貨幣觀測與信用評等,第27期,頁101-107。
14.楊佩珍(民91),「運用極值理論評估風險值-以台灣股匯市為例」,中央大學財務金融研究所未出版碩士論文。
15.賴柏志(民90),「國內金融資產投資組合風險值壓力測試之研究-混成模型於極端值的應用,貨幣觀測與信用評等,第27期,頁108-113。
16.Balkema, A. and L. De Haan (1974), “Residual Life Time at Great Age,” Annals of Probability, 2, 792-804.
17.Berkowitz, J. (1999), “A Coherent Framework for Stress Testing,” Journal of Risk, 2, Winter, 5-15.
18.De Haan, L., D. W. Janssen, K. G. Koedjik and C. G. de Vries (1994), “Safety First Portfolio Selection, Extreme Value Theory and Long Run Asset Risks,” in J. Galambos, J. Lechner and E. Simiu eds. Extreme Value Theory and Application, Dordrecht: Kluwer, 471-488.
19.Danielsson, J. and C. G. De Vries (1997), “Tail Index and Quantile Estimation with High Frequency Data,” Journal of Empirical Finance, 4, 241-257.
20.Embrechts, P., C. Kluppelberg and T. Mikosch (1997), “Modelling Extremal Events for Insurance and Finance,” Springer-Verlag.
21.Embrechts, P., S. Resnick and G. Samorodnitsky (1998), “Extreme Value Theory as a Management Tool,” Manuscript, Department of Mathematics, ETH, Swiss, Federal Technical University.
22.Embrechts, P. (1999), “Extreme Value Theory in Finance and Insurance,” Manuscript. Department of Mathematics, ETH, Swiss Federal Technical University.
23.Embrechts, P., A. McNeil and D. Straumann (1999), “Correlation: Pitfalls and Alternatives,” Working Paper, ETH Zurich.
24.Embrechts, P. (2000), “Extreme Value Theory: Potential and Limitations as an Integrated Risk Management Tool,” Working Paper, ETH Zurich.
25.Fisher, R. A. and L. H. C. Tippett (1928), “Limiting Forms of the Frequency Distribution of the Largest or Smallest Member of a Sample,” Proceeding of Cambrige Philoshophical Society, 24, 180-190.
26.Gnedenko, B. (1941), “Limit Theorem for The Maximal Term of A Variational Series,” Comptes Rendus de Academie des Sciences de URSS, 32, 7-9.
27.Gumbel, E. (1958), Statistics of Extremes, New York, Colombia University Press.
28.Gavin, J. (2000), “Extreme Value Theory — An Empirical Analysis of Equity Risk,” Working Paper, UBS Warburg, London.
29.Hill, B. (1975), “A Simple Genernal Approach to Inference about the Tail of a Distribution,” Annals of Statistics, 3, 1163-1174.
30.Hosking, J. (1985), “Maximum-Likelihood Estimation of the Parameters of the Generalized Extreme-Value Distribution,” Journal of the Royal of Statistical Society, Series C, 34, 301-310.
31.Hall, P. (1990), “Using the Bootstrap to Estimate Mean Squared Error and Select Smoothing Parameter in Nonparametric Problems,” Journal of Multivariate Analysis, 32, 177-203.
32.Hamilton, J. (1991), “A Quasi-Bayesian Approach to Estimating Parameters for Mixtures of Normal Distributions,” Journal of Business and Economic Statistics, 9, 1779-1801.
33.Ho, L., P. Burridge, J. Cadle & M. Theobold, (2000), “Value-at-Risk: Applying the Extreme Value Approach to Asia Markets in the Recent Financial Turmoil,” Pacific-Basin Finance Journal, 8, pp. 249-275.
34.Huisman, R., K. G. Koedijk, C. J. M. Kool and F. Palm (2001), “Tail-index Estimates in Small Samples,” Journal of Business & Economic Statistics, 19, 208-216.
35.Jorion, P. (1997), “Value at Risk: The NewBenchmark for Controlling Financial Risk,” McGraw-Hill.
36.Kupiec, P. H. (1995), “Techniques for Verifying the Accuracy of Risk Measurement Models,” Journal of Derivatives, 3, 73-84.
37.Kupiec, P. H. (1998), “Stress Testing in a Value at Risk Framework,” Journal of Derivatives, 6(1), 7-23.
38.Kim, J. and C. Finger (2000), “A Stress Test of to Incorporate Correlation Breakdown,” Riskmetrics Journal, 61-75.
39.Longin, F. M. (1999), “Stress Testing: A Method Based on Extreme Value Theory,” Working Paper.
40.Longin F. M. (2000), “From Value at Risk to Stress Testing: The Extreme Value Approach,” Journal of Banking and Finance, 1097-1130.
41.Markowitz, H. (1952), “Portfolio Selection” Journal of Finance, 7(1), 77-91.
42.McNeil, A. J. (1996), “Estimating the Tails of Loss Severity Distributions Using Extreme Value Theory,” Manuscript, Department Mathematik, ETH Zentrum, Zurich.
43.Müller, U. A., M. M. Dacorogna, O. V. Pictet (1996), “Heavy Tails in High Frequency Financial Data,” Olsen and Associates Discussion Paper.
44.McNeil, A. J. (1997), “Estimating the tails of loss severity distribution using extreme value theory,” ASTIN bulletin, 27, 117-137.
45.McNeil, A. J. (1998), “Calculating Quantile Risk Measures for Financial Return Series Using Extreme Value Theory,” Working Paper, ETH Zurich.
46.McNeil, A. J. (1999), “Extreme Value Theory for Risk Managers,” Working Paper, ETH Zurich.
47.McNeil, A. J. and R. Frey (2000), “Estimation of Tail-Related Risk Measures for Heteroscedastic Financial Time Series and Extreme Value Approach,” Journal of Empirical Finance, 7, 271-300.
48.Neftci, S. N. (2000), “Value at Risk Calculations, Extreme Events, and tail Estimation,” The Journal of Derivatives, Spring: 1-15.
49.Pickands, J. (1975), “Statistical Inference Using Extreme Order Statistics,” Annals of Statistics, 3, 119-131.
50.Tan, K. H. and I. L. Chan (2003), “Stress Testing Using VaR Approach-a Case for Asian Currencies,” Journal of International Financial Market, Institutions & Money, 13, 39-55.
51.Venkataraman, B. (1997), “Value at Risk for a Mixture of Normal Distributions: The Use of Quasi-Bayesian Estimation Technique,” Economic Prospective, (Mar./Apr.), Federal Reserve Bank of Chicago, 2-13.
52.Zangari, P. (1996), “An Improved Methodology for Measuring VaR,” RiskMetrics Monitor, Second Quarter, 7-25.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 簡榮聰(1991):素燒南投陶的特質與民俗藝術。臺灣文獻,42,183-192。
2. 歐用生(1993):加強教師對課程實施的責任。研習資訊,10(3),1-6。
3. 張玉山,施能木(1993):美國科技教育理念的探討─從Jackson’s Mill 到Jackson’s Mill II。中學工藝教育月刊,26 (1),頁13。
4. 楊冠政(1991):環境課程發展模式與程序。環境教育季刊,9,頁3-19。
5. 溫淑姿(1996):臺灣現代陶藝創作與文化認同-上。臺灣美術,8(3),61-72。
6. 陳品華(1997):從認知觀點談情境學習與教學。教育資料與研究,15,53─59。
7. 郭玉霞(1996):教師在課程實施中所扮演的角色。國民教育研究集刊,4,53-60。
8. 郭禎祥(1991):追求精緻的藝術教育-DBAE(上)。美育,12,3-9。
9. 徐文琴(1996):泥土的意象-現代陶藝鑑賞。現代美術,66,60-66。
10. 林麗真(2001):陶藝教學問題的檢視與省思-非同步網路教學系統運用之個案研究。新竹師院學報,14,319-330。
11. 林秀娟(2001):陶瓷紋樣與裝飾技法的應用之研究(一),臺灣工藝,第9期,頁7。
12. 呂燕卿(1989):當今國小美勞教育之新趨勢。國教世紀,25(2),18-21。
13. 李隆盛(2000):九年一貫生活科技課程綱要與教科書編審,生活科技教育月刊,32(2),頁16-25。
14. 邱小萍(1999):從國小實施鄉土教學活動來看教師角色的轉變。國教輔導, 4 (38),25-30。
15. 王多智(2000a):國小美勞科陶藝教育理念之架構之研究,臺南師院學報,33,523-543。
 
系統版面圖檔 系統版面圖檔