臺灣博碩士論文加值系統

(44.192.22.242) 您好！臺灣時間：2021/08/01 13:51

:::

詳目顯示

:

• 被引用:0
• 點閱:225
• 評分:
• 下載:0
• 書目收藏:0
 風險值(Value at Risk , VaR)是目前風險管理的熱門工具之一，顧名思義它是一個數值，衡量風險資產在特定期間內，特定信心水準下的最大預期損失。也可以說它是資產報酬分配尾部的一個分位數(quantile)。實證上發現財務數列大多存有厚尾(fat tails)和波動聚集(volatility clustering)的現象，用傳統風險值估計法可能會有低估的風險。 我們以極值理論(Extreme Value Theory , EVT)配合時間序列模型來估算股票市場風險值，比較條件風險值和非條件風險值回溯測試(Backtesting)的準確性，並以經驗法則、Peter Hall(1990)部份樣本自體抽樣法(bootstrap)，和Danielsson(1997a，2001)兩階段的部分樣本自體抽樣法，來探討最適門檻水準(Threshold Level)，最後用回溯測試比較預測出的風險值，以概似比檢定(LR test)衡量風險值的表現。本文以道瓊工業指數、那斯達克指數、S&P500指數、香港恆生指數、日經225指數、韓國綜合指數、大陸上海A股指數、大陸深圳A股指數、倫敦金融指數、德國DAX指數和法國CAC40指數等11個指數的報酬分配作為實證分析資料，實證結果顯示配適ARMA(p,q)-GARCH( 1 , 1 )的條件風險值表現普遍較非條件風險值好，極值理論的風險值表現普遍也較傳統估算風險值的方法佳，此外，門檻水準以Hall1990和Danielsson1997方法決定的條件極值模型，表現也普遍比經驗法則的條件模型佳。
 Value at Risk is a widespread tool of risk management recently. It is a value that measures the worst loss of asset under the particular confidence level and possessed of period. Moreover, it is a quantile describing the tail of distribution of financial return series in statistics. In empirical literature, most of financial data have some properties such as fat tails and volatility clustering. Thus, estimating Value at Risk by conventional method may underestimate the quantile as a result of fat tails.We estimate Value at Risk in stock market by using extreme value theory combine with time series models and thereby compared the performance of the conditional Value at Risk with unconditional Value at Risk. In addition, we investigate optimal threshold level among past experience, method argued by hall and method proposed by Danielsson. Then we experiment backtesting on Value at Risk estimator and evaluate efficiency of estimator by LR statistic.We backtest mentioned above on eleven stock indexes：Dow Jones industrial average, Nasdaq, S&P 500, Nikkei 225, Hang Seng index, A-Share, SSE A-Share,FTSE 100,CAC 40, DAX and KOSPI index. Our finding reveals that conditional Value at Risk fitted ARMA(p,q)-GARCH(1,1) performs better than unconditional Value at Risk, and extreme value theory performed better than traditional method. Furthermore, our empirical result displays the performance of conditional Value at Risk which threshold level is decided by Hall1990 and Danielsson1997, indeed improve on model which threshold level is decided by past experience.
 摘要： iiAbstract: iii目錄 iv表目錄 v圖目錄 vi第一章 緒論 1第一節 研究動機與背景 1第二節 研究目的 2第三節 研究架構 3第二章 文獻探討 5第一節 風險值的介紹 5第二節 國內外文獻 6第三章 研究方法 17第一節 非條件模型： 17(一)歷史模擬法： 17(二)非條件極值模型： 17第二節 條件模型： 21(一) GARCH模型： 21(二) 條件極值模型： 22第三節 最適門檻水準的抉擇 23(一)Hall方法 24(二)Danielsson et al.(1997b) 25(三)Danielsson et al.(2001) 26第四節 風險值績效的評估 27(一)回溯測試(backtesting)： 27第四章 實證結果分析 28第一節 實證資料來源： 28第二節 實證資料分析 28第三節 全樣本極值模型的估計結果 29第四節 樣本外回溯測試(Backtesting)結果 31第五章 結論與建議 35參考文獻： 37附錄 41
 1.李政峰、江明珠(2006)，「台灣短期利率的厚尾性質與風險值分析-極值理論的應用與比較」，working paper。2.林楚雄、高子荃、邱瓊儀(2006)，｢結合GARCH模型與極值理論的風險值模型｣，管理學報，二十二卷，第四期，頁133-54。3.林楚雄、王韻怡(2006)，「考慮GARCH效果下的尾部指數與風險值應用」，風險管理學報， 第八卷，第一期，頁49-70。4.林楚雄、陳宜玫(2002)，「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，頁737-58。5.黃玉娟、林帛靜(2002)，「期貨市場報酬分配之厚尾型態與風險值衡量模式之探討-臺灣臺指期貨與新加坡摩根臺指期貨」，台灣財務金融學會研討會。6.楊奕農(2005) 「時間序列分析-經濟與財務上之應用」，雙葉書廊，台北。7.Bali, T. G., 2003. An Extreme Value Approach to Estimating Volatility and Value at Risk, Journal of Business, 76(1)：83-107.8.Bali, T. G., Neftci N. S., 2003. Disturbing extremeal behavior of spot rate dynamics, Journal of Empirical Finance, 10: 455-4779.Bekiros, D. B, Georgoutsos, A. D.2005. Estimation of Value-at-Risk by extreme value and conventional methods : a comparative evaluation of their predictive performance. Int. Fin. Markets, Inst. and Money, 15:209-228.10.Bond, S.A., (2006). Asymmetry and Downside Risk in Foreign Exchange Markets. The European Journal of Finance, Volume 12, Number 4, p. 333 - 34511.Booth, G. G., J. P. Broussard, T. Martikainen, and V. Puttonen, 1997. Prudent Margin Levels in the Finnish Stock Index Futures Market, Management Science, 43(8)：1177-1188.12.Brooks, c., A. D. Clare, J. W. Dalle Molle and G. Persand (2005), “A comparison of extreme value theory approaches for determining value at risk, ” Journal of Empirical Finance, 12, pp. 339-52.13.Cotter, J., 2001. Margin Exceedences for European Stock Index Futures using Extreme Value Theory, Journal of Banking and Finance, 25(8)：1475-1502.14.Danielsson J., D. W. Jansen, and C. G. de Vries, 1996. The Method of Moments Ratio Estimator for the Tail Shape Parameter, Communication in Statistics Theory and Methods, 25(4)：711-720.15.Danielsson, J., and C. G. de Vries, 1997a. Beyond the Sample: Extreme Quantile and Probability Estimation, working papers, Erasmus University , Rotterdam.16.Danielsson, J., and C. G. de Vries, 1997b. Tail Index and Quantile Estimation with Very High Frequency Data, Journal of Empirical Finance, 4：241-257.17.Danielsson, J., de Vries, C., 1997c. Value-at-Risk and extreme returns, FMG-Discussion Paper NO 273, Financial Markets Group, London School of Economics.18.Danielsson, J., de Haan, L., Peng, L., de Vries, C.G., 2001. Using a bootstrap method to choose the sample fraction in tail index estimation. Journal of Multivariate Analysis 76, 226– 248.19.Diebold, F. X.,Schuermann, T.,Stroughair, J.D. 1999. Pitfalls and Opportunities in the Use of Extreme Value Theory in Risk Management. Working Paper 98-10, http://fic.wharton.upenn.edu/fic/.20.Embrechts, P., C. Klüppelberg, and T. Mikosch, 2003. Modelling Extremal Events for Insurance and Finance, Springer-Verlag, London.21.Feller, W. 1971, An introduction to probability theory and its applications. Wily, New York, vol ii. 2nd. ed. edn.22.Goldie, C. M. and R. L. Smith, 1987. Slow Variation With Remainder: A Survey of the Theory and its Applications, Quarterly Journal of Mathematics, 38(2)： 45-71.23.Hall, P., 1990. Using Bootstrap to Estimate Mean Square Error and Select Smoothing Parameters in Non-parametric Problems, Journal of Multivariate Analysis, 32：177-203.24.Hans N.E. Bystrom, 2004. Managing extreme risks in tranquil and volatile markets using conditional extreme value theory, International Review of Financial Analysis,13:133-152.25.Hill, B., 1975. A Simple General Approach to Inference About the Tail of a Distribution, Annuals of Mathematical Statistics, 3：1163-1174.26.Hsing, T., 1991. On Tail Index Estimation using Dependent Data, Annals of Statistics, 19：1547-1569.27.Jondeau, E., Rockinger, M., 2003. Testing for differences in the tails of stock-market returns. Journal of Empirical Finance, 10:559-58128.Jorion, P.(2000). Value at Risk. The New Benchmark for Managing Financial Risk. New York McGraw Hill Trade.29.Kearns P., and A. Pagan, 1997. Estimating the Density Tail Index for Financial Time Series, The Review of Economics and Statistics, 79：171-175.30.Kupiec, P. H., 1995. Techniques for Verifying the Accuracy of Risk Measurement Models, Journal of Derivatives, Winter：73-84.31.Longin, M. F., 2000. From Value at Risk to Stress Testing: the Extreme Value Approach,　Journal of Banking and Finance, 24：1097-1130.32.Longin, M. F., 2005. The choice of the distribution of asset returns: How extreme value theory can help? Journal of Banking and Finance, 29：1017-1135.33.McNeil, A. J. and R. Frey, 2000. Estimation of Tail-related Risk Measures for Heteroscedastic Financial Time Series: an Extreme Value Approach, Journal of Empirical Finance, 7：271-300.34.Pickands, J., 1975. Statistical Inference using Extreme Order Statistics, Annals of Statistics, 3：119-131.35.Ramazan, G. and Faruk, S, 2004. Extreme value theory and Value-at-Risk : Relative performance in emerging markets, International Journal of Forecasting, 20, 287-303.36.Resnick, S. and C. Stărică, 1996. Testing the Covariance Stationarity of Heavy–tailed Time Series, Journal Empirical Finance, 1：211-248.37.Segers, J., 2001. Abelian and Tauberian Theorems on the Bias of the Hill Estimator, Working Paper, University of Leuven.38.Smith, R.L., 1985. Maximum likelihood estimation in a class of non-regular cases. Biometrika 72, 67–90.39.Viviana Fernandez, 2003. Extreme Value Theory and Value at Risk, Working Paper, Georgetown University.40.Eric Z., 2002. Modelling Financial Time Series with S-PLUS. Insightful Corporation, Seattle Washington.
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 1 金融控股公司經營績效評估之研究 2 極值理論風險值評估模式之探討 3 選擇權風險值之衡量 4 最適尾端參數估計之探討：台灣股票報酬風險值之應用 5 極值理論在風險值之應用與方法比較 6 風險值之衡量-多元變數GARCH模型之應用 7 大宗穀物期貨投資組合風險值研究-結合GARCH與極端值理論模型之應用 8 跳躍模型之風險值估計 9 運用極值理論評估風險值－以台灣股匯市為例 10 極值理論與整合風險衡量 11 比較分量迴歸與極值理論在風險值估計之績效 12 利率極端分配風險之衡量-極值理論模型與copulas模型之應用 13 極端值理論在風險值估計上之應用 14 台灣巨災對產險公司風險值的估計-極值理論之應用 15 結合真實波動性預測模型與準蒙地卡羅模擬法於風險值之研究

 1 穆佩芬（1998）．孩童健康有危機之家庭壓力調適--父母親之調適模式．榮總護理，15（2），115-124。 2 鄭淑玲、藍麗美、吳麗芬(1999)．早產兒父母之需求與護理人員感受早產兒父母需求之比較．榮總護理，16(4)，428-437。 3 廖珍娟（1996）．早產兒父母．中華民國新生兒科醫學會會刊，5（2），3-7。 4 詹淑敏、王銘賢、陳彰惠、周治蕙（1999）．早產兒出院前母親自信度的相關因素．榮總護理，16(2)，192-202。 5 曾英芬、陳俞君、范惠珍、謝生蘭(1998)•母親在早產兒出院初期的居家照顧需求與母育信心•護理研究，6（2），163-174。 6 許燕玲、余玉眉（2003）．產婦於早產兒住院期間之經驗歷程．護理雜誌，50（4），41-49。 7 許燕玲（1999）．一位經產婦努力成為早產母親的經驗．護理雜誌，45（5），50-59。 8 莊小玲、葉昭幸（1999）．新生兒加護病房中早產兒父母的調適過程．長庚護理，10（4），9-19。 9 郭素娥、邱飄逸（1999）．不確定感的分析與應用--照顧兩位疾病診斷期病患之護理經驗．榮總護理，16（3），275-285。 10 陳美惠（1995）．一位母親於早產兒住院期間的適應過程．助產雜誌，39，52-60。 11 林梅香、顧乃平、劉仲冬、陳政友、林麗嬋（1996）．肝癌患者家屬主要照顧者的壓力、因應行為、健康狀況及其相關因素之探討．護理研究，4（2），171-185。 12 余怡珍、郭碧照（2001）．探討接受生殖科技孕育之幼兒母親的親職壓力．護理研究，9(3)，344-353。

 1 投資組合風險值之新估計法：成份風險值與極值 2 風險值衡量與風險值避險法 3 匯率風險值之評估-不同風險值模型之應用 4 金融危機之MSCI不對稱GARCH市場風險值 5 全球17個國際股價指數風險值之比較研究 6 應用風險值(VaR)對本國信用合作社市場風險之探討 7 公司盈餘風險值.每股盈餘風險值之個案研究 8 債券選擇權風險值評估 9 風險值對台灣期貨業金融監理有效性之研究 10 風險值估計風險之衡量-模擬分析與實證研究 11 市場風險因子與現金流量風險值-臺灣50指數成份股非金融企業之實證研究 12 隱含波動與股票風險值 13 風險值於實獲值管理之應用－預算風險值模型 14 市場風險VS.信用風險：風險值與信用違約交換之關係 15 在風險值限制下應用平均模型於多資產組合的動態投資分析

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室