跳到主要內容

臺灣博碩士論文加值系統

(44.200.27.215) 您好!臺灣時間:2024/04/24 18:27
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

: 
twitterline
研究生:賴警聯
研究生(外文):Ching-Lian Lai
論文名稱:GARCH過程的跨時加總:大中華經濟圈股票市場的實證
論文名稱(外文):Temporal Aggregation of GARCH Process: An Empirical Study of the Stock Markets in Greater China
指導教授:莊忠柱莊忠柱引用關係
指導教授(外文):Chung-Chu Chuang
學位類別:碩士
校院名稱:真理大學
系所名稱:管理科學研究所
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:2005
畢業學年度:93
語文別:中文
論文頁數:82
中文關鍵詞:跨時加總隱含估計值GARCH模型IGARCH模型
外文關鍵詞:Temporal AggregationImplied EstimatesGARCH ModelIGARCH Model
相關次數:
  • 被引用被引用:1
  • 點閱點閱:597
  • 評分評分:
  • 下載下載:28
  • 收藏至我的研究室書目清單書目收藏:1
本研究利用大中華經濟圈股票市場的股價指數資料,在GARCH(1,1)-常態與GARCH(1,1)-t模型下,探討大中華經濟圈股票市場在不同頻率的波動性叢聚情形與經過跨時加總後隱含估計參數與實際估計參數是否為近似一致。
研究發現:大中華經濟圈各股票市場日資料所配適的GARCH(1,1)模型為一IGARCH模型,所有期間的變數訊息對當期的條件變異數有持續性的影響。然而,只有深圳A股價指數在利用GARCH(1,1)-常態與GARCH(1,1)-t模型跨時加總下的隱含估計值與實際估計值為近似一致,有GARCH跨時加總過程存在。最後,隨著加總水準m愈大時,條件變異數方程式的參數加總趨近於零而條件異質性也跟著消失。
This study is to investigate volatility-clustering and the parameters consistency between implied estimates on the temporal aggregation and direct estimates of GARCH(1,1) models at four frequencies(daily, weekly, bi-weekly and monthly) written on Greater China Stock markets.
The resultant shows the data generating process of the daily stock indices of Greater China are close to IGARCH model. There are not consistent between the direct estimates and the implied estimates based on the daily frequency data other then Shanghai A stock index. In addition, the parameters sum of conditional heteroscedasticiity function tend to zero as aggregation level m approach to infinity, and conditional heteroscedasticity almost disappears.
目 錄
頁次
目 錄 III
圖目錄 III
表目錄 IV
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 5
第三節 研究限制 5
第四節 研究架構 6
第貳章 相關文獻探討 7
第一節 波動性異質變異數相關文獻 7
第二節 GARCH模型相關文獻 10
第三節 跨時加總相關文獻 18
第参章 研究方法 21
第一節 樣本資料與資料來源 21
第二節 定態檢定、常態檢定與序列相關檢定 22
第三節 GARCH跨時加總模型 26
第肆章 實證結果與分析 38
第一節 基本統計量分析 38
第二節 單根檢定 50
第三節 ARCH效果檢定 54
第四節 模型係數估計與檢定結果 57
第五節 直接估計值與隱含估計值比較 65
第伍章 結論與建議 71
第一節 結論 71
第二節 建議 74
參考文獻 76
圖目錄
頁次
(圖4.1.1 台灣集中股價指數日報酬序列走勢圖) 40
(圖4.1.2 台灣店頭股價指數日報酬序列走勢圖) 40
(圖4.1.3 香港恆生股價指數日報酬序列走勢圖) 40
(圖4.1.4 上海A股股價指數日報酬序列走勢圖) 40
(圖4.1.5 上海B股股價指數日報酬序走勢圖) 40
(圖4.1.6 深圳A股股價指數日報酬序列走勢圖) 40
(圖4.1.7 深圳B股股價指數日報酬序列走勢圖) 40
(圖4.1.8 台灣集中股價指數週報酬序列走勢圖) 43
(圖4.1.9 台灣店頭股價指數週報酬序列走勢圖) 43
(圖4.1.10 香港恆生股價指數週報酬序列走勢圖) 43
(圖4.1.11 上海A股股價指數週報酬序列走勢圖) 43
(圖4.1.12 上海B股股價指數週報酬序走勢圖) 43
(圖4.1.13 深圳A股股價指數週報酬序列走勢圖) 43
(圖4.1.14 深圳B股股價指數週報酬序列走勢圖) 43
(圖4.1.15 台灣集中股價指數雙週報酬序列走勢圖) 46
(圖4.1.16 台灣店頭股價指數雙週報酬序列走勢圖) 46
(圖4.1.17 香港恆生股價指數雙週報酬序列走勢圖) 46
(圖4.1.18 上海A股股價指數雙週報酬序列走勢圖) 46
(圖4.1.19 上海B股股價指數雙週報酬序走勢圖) 46
(圖4.1.20 深圳A股股價指數雙週報酬序列走勢圖) 46
(圖4.1.21 深圳B股股價指數雙週報酬序列走勢圖) 46
(圖4.1.22 台灣集中股價指數月報酬序列走勢圖) 49
(圖4.1.22 台灣集中股價指數月報酬序列走勢圖) 49
(圖4.1.23 台灣店頭股價指數月報酬序列走勢圖) 49
(圖4.1.24 香港恆生股價指數月報酬序列走勢圖) 49
(圖4.1.25 上海A股股價指數月報酬序列走勢圖) 49
(圖4.1.26 上海B股股價指數月報酬序走勢圖) 49
(圖4.1.27 深圳A股股價指數月報酬序列走勢圖) 49
(圖4.1.28 深圳B股股價指數月報酬序列走勢圖) 49
表目錄
頁次
表3.1.1 大中華經濟圈股票市場 22
表3.3.1 大中華經濟圈各股票市場加總水準 37
表4.1.1 大中華經濟圈股價指數日報酬序列基本敘述統計量 40
表4.1.2 大中華經濟圈股價指數週報酬序列基本敘述統計量 43
表4.1.3 大中華經濟圈股價指數雙週報酬序列基本敘述統計量 46
表4.1.4 大中華經濟圈股票市場月報酬序列基本敘述統計量 49
表4.2.1 大中華經濟圈股價指數日報酬序列單根檢定 51
表4.2.2 大中華經濟圈股價指數週報酬序列單根檢定 52
表4.2.3 大中華經濟圈股價指數雙週報酬序列單根檢定 53
表4.2.4 大中華經濟圈股價指數月報酬序列單根檢定 54
表4.3.1 大中華經濟圈股價指數報酬序列條件波動性的ARCH效果檢定 55
表4.4.1 大中華經濟圈股票市場日資料參數估計與模型診定:ARMA(p,q)- GARCH(1,1)-常態模型 59
表4.2.2 大中華經濟圈股票市場週資料參數估計與模型診定:AR(p)- GARCH(1,1)-常態模型 60
表4.4.3 大中華經濟圈股票市場雙週資料參數估計與模型診定:
GARCH(1,1)-常態模型 61
表4.4.4 大中華經濟圈股票市場日資料參數估計與模型診定:ARMA(p,q)- GARCH(1,1)-t模型 63
表4.4.5 大中華經濟圈股票市場週資料參數估計與模型診定:AR(p)- GARCH(1,1)-t模型 64
表4.5.1 大中華經濟圈股票市場週資料參數跨時加總估計 66
表4.5.2 大中華經濟圈股票市場雙週資料參數跨時加總估計 68
表4.5.3 大中華經濟圈股票市場月資料參數跨時加總估計 69
參考文獻
一、 中文部分
1. 林建宏,1999。台灣股票市場日變異效果之檢定-GARCH模型之應用,國立台灣科技大學管理研究所碩士論文。
2. 林嘉慧,2000。臺灣股價報酬之一般自我迴歸條件密度模型在高階動差之研究,淡江大學國際企業研究所碩士論文。
3. 林嘉慧、王凱立,2003。條件高階動差於財務金融市場之應用,中國財務金融學刊,第11輯第2期。
4. 郭兆祥、李憲杰,1994。一般化自我迴歸條件異質變異數模型參數之選定、估計與檢定-以台灣加權股價指數為例,國立成功大學學報,第30卷人文社會篇,53-71。
5. 張文慧,2000。依時加總會使得GARCH效果消失嗎?台灣股票市場之實證研究,國立台灣大學農業經濟研究所碩士論文。
6. 蔡佳宏、楊聲勇、董澍琦,2004。大陸資本市場受美、日股市報酬與波動性外溢效果之研究,台灣金融財務季刊,第5輯第3期。
7. 蔡玠施,1995。亞洲股市間動態波及效果之實證研究-GARCH模型之應用,國立台灣大學財務金融學研究所碩士論文。
8. 劉昭賢,1999。偏態與峰態訊息在台灣股票市場的實證分析,台灣銀行季刊,第50卷第4期,86-129。
9. 劉一萍,2000。亞洲國家股票報酬率波動性與分布之研究-GARCH模型的應用,淡江大學國際企業研究所碩士論文。
10. 鄭瑞彬,1997。台灣與亞洲股市股票報酬之分析-GARCH模型之應用,逢甲大學經濟學研究所碩士論文。
11. 鄭如芳,2000。股市、匯市報酬及波動性之外溢效果分析,淡江大學國際企業研究所碩士論文。
二、 英文部分
1. Akaike, H., 1973. Information theory and an extension of the maximum likelihood principle, Biometrica, 60: 255-265.
2. Akgiray, V., 1989. Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecast, Journal of Business, 62: 55-80.
3. Baille, R. T. and T. Bollerslev, 1989. The Message in Daily Exchange Rates: A Conditional Variance Tale, Journal of Business and Economic Statistics Analysis, 25: 203-214.
4. Baille, R. T. and R. P. Degennaro, 1990. Stock Returns and Volatility, Journal of Financial and Quantitative Analysis, 25: 203-214.
5. Berdent, E. K., B. H. Hall, R. E. Hall and J. A. Hausman, 1974. Estimation Inference in Nonlinear Structural SModels, Annals of Economic and Social Measurement, 4: 653-655.
6. Bollerslev, T., 1986. Generalized Autoregressive Conditional Heteroscedasticity, Journal of Econometrics, 31: 307-327.
7. __________, 1987, A Conditional Heteroscedasticity Time Series Model Speculative Price and Rate of Return, Review of Economics and Statistics, 69: 542-547.
8. Bollerslev, T., R. Y. Chou and K. F. Kroner, 1992. ARCH Modeling in Finance: Review of The Theory and Empirical Evidence, Journal of Econometrics, 52: 5-59.
9. Bollerslev, T. and J. M. Wooldrige, 1992. Quasi-Maximum Likelihood Estimation and Inference in Dynamic Models with Time-Varying Covariances, Econometric Reviews, 11: 143-72.
10. Choudhry, T., 2000, Meltdown of 1987 and Meteor Showers among Pacific-Basin Stock Markets, Applied Financial Economics, 10:71-80.
11. Dannenburg, D. and B. Jacobsen, 2003. Volatility Clustering in Monthly Stock Returns, Journal of Empirical Finance, 10: 479-503.
12. Diebold, F. X., 1988. Empirical Modeling of Exchange Rates Dynamics, New York: Spring-Verlag.
13. Drost, F. C. and T. .E Nijman, 1993. Temporal Aggregation of GARCH Processes, Econometrica, 61: 909-927.
14. Engle, R. F., 1982. Autoregressive Conditional Heteroscedasticity with Estimates of The U.K. Inflation, Econometrica, 50: 987-1008.
15. Engle, R. F. and T. Bollerslev, 1986. Modeling the Persistence of Conditional Variances, Econometric Reviews, 5: 81-87.
16. Engle, R. F. and D. Kraft, 1983. Multiperiod Forest Error Variance of Inflation Estimated from ARCH Models in Finance, Applied Time Series Analysis of Economic Data(Washington DC), 293-302.
17. Fama, E. F., 1965. The Behavior of Stock Market Prices, Journal of Business, 38: 34-105.
18. French, K. R., G. W. Schwert and R. F. Stambaugh, 1987. Expected Stocks Returns and Volatility, Journal of Financial Economics, 19: 29-44.
19. Hsieh, D. A., 1989. Testing for Nonlinear Dependence in Daily Foreign Exchange Rate Change, Journal of Business, 62: 339-368.
20. Jacobsen, B. and D. Dannenburg, 2003. Volatility Clustering Stock Returns, Journal of Empirical Finance, 10: 479-503.
21. Jarque, C. M. and A. K. Bera, 1980. Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals, Economics Letters, 6: 255-259.
22. Lamourreux, C. G. and W. D. Lastrapes, 1990. Heteroscedasticity in Stock Return Data: Volume versus GARCH Effects, Journal of Finance, 45: 210-230.
23. Liu, Y. A., 1997. Mean and Volatility Spillover Effects in The U.S. and Pacific-Basin Stock Markets, Multinational Finance Journal, 1: 47-63.
24. Liung, G. M. and G. E. P. Box, 1979. The Likelihood Function of Stationary Autoregressive-Moving Average Models, Biometrika, 66: 265-270.
25. Mandelbrot, B., 1963. The Variation of Speculative Prices, Journal of Business, 36: 394-419.
26. Milh, j. A., 1987. A Conditional Variance Model for Daily Observations of Exchange Rate, Journal of Business and Economic Statistics, 5: 99-103.
27. Morgan, I. G., 1976. Stocks Prices and Heteroscedasticity, Journal of Business, 36: 394-419.
28. Nelson, D. B., 1988. Stationarity and Persistence in the GARCH(1,1) Model, Journal of Econometrics, 8: 318-336.
29. ___________, 1990. ARCH Models as Diffusion Approximations, Journal of Econometrics, 4: 7-38.
30. Newey, W. K. and D. G. Steigerwald, 1997. Asymptotic Bias for Quasi-Maximum-Likelihood estimators in Conditional Heteroscedasticity Models, Econometrica, 65: 587-599.
31. Palm, F. C. and T. E. Nijman, 1984. Missing Observations in The Dynamic Regression model, Econometrica, 52: 1415-1435.
32. Phillips, P. and P. Perron, 1988. Testing for a Unit Root in Time Series Regression, Biometrica, 75: 335-346.
33. Poon, S. H. and S. J. Taylor, 1992. Stock Returns and Volatility: An Empirical Study of The UK Stock Market, Journal of Banking and Finance, 16: 37-59.
34. Said, S. and D. Dickey, 1984. Testing for a Unit Roots in Autoregressive-Moving Average Models with Unknown Order, Biometrica, 71: 599-607.
35. Schert, G. W., 1990. Stock Volatility and the crash of 87, Review of Financial Studies, 3: 77-102.
36. Scholes, M. and M. T. Joseph, 1977. Estimation Beta from Nonsynchronous Data, Journal of Financial Economics, 5: 309-327.
37. Schwarz, G. W., 1978. Stock Volatility and the Crash of 87, Review of Financial Studies, 3: 77-102.
38. Wang, K. L., C. B. Fawson and J. B. Barrett, 2000. An Exchange Rate Application of GARCH-EGB2 Models, Journal of Applied Econometrics, 15: 338-441.
39. Weiss, A. A., 1986. Asymptotic Theory for ARCH Models: Estimation and Testing, Econometric Theory, 2: 107-131.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top