跳到主要內容

臺灣博碩士論文加值系統

(18.97.14.86) 您好!臺灣時間:2025/02/15 09:04
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:黃啟宗
研究生(外文):Chi-Tsung Huang
論文名稱:應用狀態空間模型與風險值建立投資組合之風險預警模式
論文名稱(外文):Implementation of State-Space Method and VaR Applied to Risk Alert Model
指導教授:陳雲岫陳雲岫引用關係
學位類別:碩士
校院名稱:元智大學
系所名稱:工業工程與管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:99
中文關鍵詞:風險值狀態空間法最低風險投資組合風險預警
外文關鍵詞:VaRState-Space MethodMinimum Variance PortfolioRisk Alert
相關次數:
  • 被引用被引用:4
  • 點閱點閱:263
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本研究所建立的風險預警模式分成三個區塊:監控指標、預測模式與修正策略。如同品質管制圖監控品質特性般,本預警模式即對投資組合進行監控。由於投資組合可能過於複雜,因此就借重風險值(VaR)之整合投資組合概念的指標來作為監控的觀察值,並且設定門檻值,如同管制界限一樣,當發生超出管制範圍時,即必須從事下一步的修正步驟。從過去文獻中發現,狀態空間法(State Space Method)對於預測的準確度上有一定的水準,預測能力越強,則預警能力亦越強,因此將狀態空間法加入此模式中,透過對未來資產價格的先行預測,強化在修正上的有效性。在修正方法上,引入投資組合理論的效率前緣概念,使用最低風險投資組合(Minimum Variance Portfolio)來調整投資組合權重,期望能藉此修正原先超出監控門檻值的風險值。
透過案例的實際操作,我們發現隨著所設定的門檻值越小,投資組合在經過權重的調整之後,期望的損失值的確有越來越小的趨勢。另外比較最低風險修正情形與非最低風險修正情形,發現以最低風險修正的結果較佳。最後透過夏普比率的計算,找出以5%的門檻設定,最低風險的修正情形下,修正的效果是所有假設情境中最好的。
In this thesis, a new risk alert model is proposed. This model mainly has three parts. First, Value at Risk (VaR) is taken to be the monitoring benchmark because VaR can represent what risk level is the whole portfolio involved in. Second, state-space method is added to increase the whole model’s effectiveness owing to the high performance in forecasting. Third, some actions should be taken when VaR is over the set threshold value. And, minimum variance portfolio is the way to solve weighted combination of investments.
The proposed model is verified by real data. In the case, we assume three thresholds, 5%, 10%, and 15%, separately. The testing result shows that 5% threshold has a better result. Besides, we compare the result of adjusted by minimum variance portfolio and non- minimum variance portfolio. It shows that minimum variance portfolio indeed gets a better result. Finally, we use sharp-ratio to evaluate every situation we set. 5% threshold and adjusted by minimum variance portfolio are the better action.
中文摘要………………………………………………………….. I
英文摘要………………………………………………………….. II
誌謝……………………………………………………………….. III
目錄……………………………………………………………….. IV
表目錄…………………………………………………………….. VI
圖目錄…………………………………………………………….. VII

第一章 緒論…………………………………………………… 1
第一節 研究動機與目的…………………………………….. 1
第二節 研究流程與步驟…………………………………….. 3

第二章 相關理論與文獻探討………………………………… 5
第一節 聯立方程式………………………………………….. 5
第二節 風險值……………………………………………….. 9
2.2.1 VaR起源……………………………………………………. 9
2.2.2 VaR定義……………………………………………………. 9
2.2.3 VaR計算……………………………………………………. 10
2.2.3.1 Delta-Normal 法…………………………………….. 10
2.2.3.2 歷史模擬法……………………………………………. 11
2.2.3.3 蒙地卡羅模擬…………………………………………. 11
2.2.3.4 壓力測試………………………………………………. 12
2.2.4 VaR驗證……………………………………………………. 12
2.2.4.1 前向測試………………………………………………. 13
2.2.4.2 回溯測試………………………………………………. 13
2.2.4.3 誤差頻率………………………………………………. 13
2.2.4.4 誤差效度………………………………………………. 14
2.2.4.5 均方誤法………………………………………………. 14
2.2.5 實證研究…………………………………………………… 14
第三節 狀態空間法………………………………………….. 16
2.3.1 狀態空間法介紹…………………………………………… 16
2.3.2 實證研究…………………………………………………… 18
2.3.3 狀態空間模型的轉換……………………………………… 18
2.3.4 聯立模型與狀態空間模型整合…………………………… 23

第三章 預警模式之建構……………………………………… 26
第一節 導入風險值………………………………………….. 27
第二節 狀態空間法進行預測……………………………….. 29
3.2.1 股票市場…………………………………………………… 29
3.2.2 外匯與期貨市場…………………………………………… 35
第三節 最小風險投資組合進行修正…………………………. 41

第四章 預警模式實證分析…………………………………… 44
第一節 投資組合建立……………………………………….. 44
4.1.1 投資組合介紹…………………………………………… 44
4.1.2 資料出處與處理…………………………………………… 44
第二節 風險值模型導入…………………………………….. 46
4.2.1 投資組合的風險值………………………………………… 46
4.2.2 風險值模式驗證…………………………………………… 47
第三節 狀態空間法的使用………………………………….. 49
4.3.1 資料來源與處理…………………………………………… 49
4.3.1.1 股票市場………………………………………………. 49
4.3.1.2 外匯期貨市場…………………………………………. 52
4.3.2 預測結果評估……………………………………………… 54
4.3.2.1 預測流程………………………………………………. 54
4.3.2.2 預測結果………………………………………………. 60
4.3.3 預測值與實際值之風險值比較…………………………… 63
第四節 投資組合權重修正………………………………….. 64
4.4.1 調整後結果……………………………………………… 64
4.4.1.1 最低風險情形之調整…………………………………. 64
4.4.1.2 固定報酬下之調整……………………………………. 68
4.4.2 績效評估…………………………………………………… 72

第五章 結論與建議…………………………………………… 74
第一節 結論………………………………………………….. 74
第二節 未來研究方向與建議……………………………….. 76

參考文獻………………………………………………………….. 77
附錄……………………………………………………………….. 79
一、中文部分

[1]王保進,多變量分析-套裝程式與資料分析,高等教育文化事業有限公司,2004。
[2]李博志,應用計量經濟學,五南書局,2000。
[3]林楚雄、陳宜玫,台灣股票市場風險值估測模型之實證研究,管理學報,第十九卷第四期,737-758,2002。
[4]徐健中,狀態空間理論之應用-以台灣貨幣市場為例,中央大學產業經濟研究所,碩士論文,1992。
[5]陳雍仁,黃金市場與外匯市場互動關係之研究-以台灣為例,成功大學企業管理研究所,碩士論文,1996。
[6]陳詩晴,台灣票券投資組合風險值之評估,輔仁大學金融研究所,碩士論文,2001。
[7]曾鴻志,台灣股票市場預測模型,中央大學資訊管理研究所,碩士論文,1993。
[8]彭昭英,SAS與統計分析,儒林圖書公司,2004。
[9]葉芝栢、葉芝宇,財務工程-基礎理論與Excel實務模擬,全華科技圖書股份有限公司,2005。
[10]趙偉勝,以狀態空間模型整合基因演算法建立股價預測模型,台北大學企業管理研究所,碩士論文,2001。
[11]蔡維溢,以VaR風險計量模型衡量衍生性金融商品之市場風險,中原大學企業管理研究所,碩士論文,1996。
[12]羅美合,台灣地區國產車市場銷售量與價格預測模型,中央大學產業經濟研究所,碩士論文,1993。

二、英文部分

[1]Alexander. C. O and Leigh. C. T, On the Covariance Matrices Used in Value at Risk Models, Journal of Derivative, pp. 50-62, 1997.
[2]Bender. T. S, VAR: Seductive but Dangerous, Financial Analysts Journal, pp. 12-24, 1995.
[3]Cerchi. M and Havenner. A, Cointegration and Stock Prices, Journal of Economic Dynamics and Control, pp. 333-346, 1988.
[4]Engle. J and Gizycki. M, Conservatism Accuracy and Efficiency: Comparing Value-at-Risk, Working Paper, Australian Prudential Regulation Authority, 1999.
[5]Havenner. A and Leng. Z, Improved Estimates of the Parameters of State Space Time Series Models, Journal of economic dynamics and control, vol. 20, pp. 767-789, 1996.
[6]Johnston. J, Econometric Methods, 3rd edition, McGraw-Hill, New York, 1984.
[7]Jorion, Value at Risk: The New Benchmark for Controlling Market Risk, McGraw-Hill, New York, 1997.
[8]Lilian. S. Y and Jeffrey. S. P. and Hosking. J. R. M, An Algorithm for Estimating Parameters of State-Space Models, Statistics & Probability Letters vol. 28, pp. 99-106, 1996.
[9]Mittnik. S, Forecasting with Balanced State Space Representations of Multivariate Distributed Lag Models, Journal of Forecasting, vol. 9, pp. 207-218, 1990.
[10]Mittnik. S, Multivariate Time Series Analysis with State Space Models, Computers and Mathematics with Application, vol.17, pp. 1189-1201, 1989.
[11]Ogata. K, Discrete-Time Control System, Prentice-Hall, New York, 1987.
[12]Peter. J. B. and Richard. A. D, Introduction to Time Series and Forecasting, Springer, New York, 2002.
[13]Shumway. R. H, Applied Statistical Time Series Analysis, Prentice-Hall, New Jersey, 1988.
[14]Strejc. V, State Space Theory of Discrete Linear Control, John Willy & Sons, New York, 1981.
[15]Vukina. T and Anderson. J. L, A State-Space Forecasting Approach to Optimal Intertemporal Cross-Hedging, American Journal of Agricultural Economics, Vol. 75, pp.416-424, 1993.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top