跳到主要內容

臺灣博碩士論文加值系統

(3.235.227.117) 您好!臺灣時間:2021/08/01 23:34
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:康碧晶
研究生(外文):Pi-Ching Kang
論文名稱:美國FED貨幣政策與股債匯市及油價之關聯分析:以小波轉換之應用
論文名稱(外文):Research on multi-scale correlation among FED monetary policies and the stocks, bonds, currency and crude oil markets with wavelet application
指導教授:楊重任楊重任引用關係
指導教授(外文):Chung-Jen Yang
學位類別:碩士
校院名稱:銘傳大學
系所名稱:財務金融學系碩士在職專班
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:94
中文關鍵詞:貨幣政策小波轉換共整合因果關係
外文關鍵詞:Granger Causality.Time SeriesCo-integration ModelWavelet transform
相關次數:
  • 被引用被引用:1
  • 點閱點閱:409
  • 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:1
本研究探討美國貨幣政策與金融資產價格的關聯性,以聯邦資金利率作為貨幣政策的變數,分析其與三個月國庫券利率、十年期公債殖利率、長短期利差(10年期減2年期公債殖利率)、股票市場、美元指數與原油價格之間的關聯與影響的程度。同時利用小波轉換具有處理混沌訊號的能力,對局部與暫態訊號可擷取對應時間及頻率的雙重特性,將聯邦資金利率與各個變數經小波轉換後各頻率之訊號探討彼此之領先落後及長期均衡的關係。本文採用ADF單根檢定、共整合檢定及Granger因果關係檢定等方法來進行研究,研究期間為自1986年1月2日至2008年1月31日止的日收盤資料。
實證結果發現,在共整合檢定方面,原始序列之聯邦資金利率僅與三個月國庫券利率與長短期利差存在長期的共整合關係;經小波轉換後,聯邦資金利率與各金融資產變數均具有長期均衡的共整合關係。而在因果關係上,原始序列除了長短期利差與美元指數領先聯邦資金利率;聯邦資金利率領先道瓊工業指數而聯邦資金利率與三個月國庫券具有雙向因果關係之外,並無法捕捉到其他的關係。其藉由小波轉換可以捕捉到更清晰的領先、落後關係,且發現在不同頻率週期下的時間序列資料,其顯著關係程度亦不同。
This paper examines the multi-scale relationship between U.S. monetary policies and various financial variables. The Federal Funds Rate (FFR), as the proxy variable of monetary policies, is used to analyze the relationship and effects of 3-months Treasury Bills rate, 10-years Treasury Notes rate, the yield spread (10-year minus 2-year), DJIA stock price index, U.S. dollar index and crude oil price. In addition, we know that the nature of wavelet enables to transform chaos signals and catch both corresponding time and frequency for partial and temporary signals, so we use the tools and focus on the lead-lag relationship and long-term equilibrium among each scale of FFR and above mentioned variables. The period of this research is from January 2, 1986 to January 31, 2008, and makes use of the measures of ADF Uint Root test; Johansen’s Co-integration model; Granger Causality test and wavelet transform to see the results.
The results indicate that long- term equilibrium only exists between these original series of FFR with T-bills rate and that with spread. However, after wavelet transforming, we find out long term equilibrium does exist in FFR and each financial variables on different time frequency. Further, from the original series of variables, we can find only spread and U.S dollar index lead the FFR, the FFR goes ahead of DJIA stock price index, and the FFR has feedback relationship with T-bills rate. But after wavelet transforming, we observe that all feedback causal relationships exist among FFR and all of financial variables with different frequency scales.
目錄
謝辭 i
中文摘要 ii
Abstract iii
目錄 iv
圖次 v
表次 vi
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 4
第三節 研究內容與架構 4
第貳章 理論基礎與文獻回顧 7
第一節 美國貨幣政策相關概述 7
第二節 相關研究之文獻回顧 12
第三節 小波分析概述 18
第四節 小波理論相關文獻 25
第參章 研究方法 29
第一節 研究資料來源與範圍 29
第二節 小波轉換 34
第三節 單根檢定(Unit Root Test) 36
第四節 Johansen共整合檢定 38
第五節 Granger 因果關係檢定 42
第肆章 實證結果分析 44
第一節 原始序列與小波轉換結果 44
第二節 ADF單根檢定實證結果 55
第三節 共整合檢定實證結果 61
第四節 Granger因果關係檢定實證分析 72
第伍章 結論與建議 80
第一節 研究結論 80
第二節 未來研究方向建議 81
參考文獻 82

圖次
圖1.1.1貨幣政策傳遞機制示意圖 3
圖1.3.1 論文架構圖 6
圖2.1.1 美國央行貨幣政策之基本架構 10
圖2.1.2 聯邦資金利率走勢圖 12
圖2.3.1 訊號時間域經傅立葉轉換成頻率域 19
圖2.3.2 傅立葉轉換時頻關係 20
圖2.3.3 短時傅立葉轉換之時間-頻率窗 21
圖2.2.4 短時傅立葉轉換時頻關係 21
圖2.3.5 正弦波與小波的比較 22
圖2.3.6 傅立葉轉換及小波轉換的波形分析方式 22
圖2.3.7 小波轉換示意圖 23
圖2.3.8 小波轉換時頻關係 23
圖2.3.9 經過高通濾波器以及低通濾波器的訊號 24
圖2.3.10 小波分析訊號實際分解情形 25
圖3.1.1 聯邦資金利率與三個月國庫券利率走勢圖 30
圖3.1.2 聯邦資金利率與十年期公債殖利率走勢圖 31
圖3.1.3 聯邦資金利率與長短期利差走勢圖 31
圖3.1.4 聯邦資金利率與道瓊工業指數走勢圖 32
圖3.1.5 聯邦資金利率與美元指數走勢圖 33
圖3.1.6 聯邦資金利率與原油價格走勢圖 33
圖4.1.1 聯邦資金利率趨勢圖 46
圖4.1.2三個月國庫券利率趨勢圖 47
圖4.1.3 美國十年期公債殖利率趨勢圖 49
圖4.1.4長短期利差趨勢圖 50
圖4.1.5 道瓊工業指數趨勢圖 52
圖4.1.6 美元指數趨勢圖 53
圖4.1.7 原油價格趨勢圖 54


表次
表2.1.1 聯邦資金利率變動表 10
表2.2.1 貨幣政策相關文獻探討摘要 16
表2.4.1 小波理論文獻探討摘要 27
表3.1.1 資料來源表 34
表4.1.1 小波轉換之時頻關係表 45
表4.1.2 聯邦資金利率的原始數列與經小波轉換後係數之基本統計量 46
表4.1.3 三個月國庫券利率的原始數列與經小波轉換後係數之基本統計量 47
表4.1.4 十年期公債殖利率的原始數列與經小波轉換後係數之基本統計量 49
表4.1.5 長短期利差的原始數列與經小波轉換後係數之基本統計量 50
表4.1.6 道瓊工業指數的原始數列與經小波轉換後係數之基本統計量 52
表4.1.7 美元指數的原始數列與經小波轉換後係數之基本統計量 53
表4.1.8 原油價格的原始數列與經小波轉換後係數之基本統計量 55
表4.2.1 原始數列單根檢定結果 56
表4.2.2 Level 1單根檢定結果 57
表4.2.3 Level 2單根檢定結果 57
表4.2.4 Level 3單根檢定結果 58
表4.2.5 Level 4單根檢定結果 58
表4.2.6 Level 5單根檢定結果 59
表4.2.7 Level 6單根檢定結果 59
表4.2.8 Level 7單根檢定結果 59
表4.2.9 Level 8單根檢定結果 60
表4.2.10 Level 9單根檢定結果 60
表4.2.11 ADF檢定實證結果摘要說明: 61
表4.3.1 聯邦資金利率與三個月國庫券利率之AIC值 62
表4.3.2 聯邦資金利率與十年期公債殖利率之AIC值 62
表4.3.3 聯邦資金利率與長短期利差之AIC值 63
表4.3.4 聯邦資金利率與道瓊工業指數之AIC值 64
表4.3.5 聯邦資金利率與美元指數之AIC值 65
表4.3.6 聯邦資金利率與原油價格之AIC值 65
表4.3.7 聯邦資金利率與三個月國庫券利率之共整合檢定結果 67
表4.3.8 聯邦資金利率與十年期公債殖利率之共整合檢定結果 67
表4.3.9 聯邦資金利率與長短期利差之共整合檢定結果 68
表4.3.10 聯邦資金利率與道瓊工業指數之共整合檢定結果 69
表4.3.11 聯邦資金利率與美元指數之共整合檢定結果 70
表4.3.12 聯邦資金利率與原油價格之共整合檢定結果 71
表4.3.13 共整合檢定實證結果摘要說明 72
表4.4.1 聯邦資金利率與三個月國庫券利率原始與經小波轉換後之因果關係 73
表4.4.2 聯邦資金利率與十年期公債殖利率原始與經小波轉換後之因果關係 73
表4.4.3 聯邦資金利率與長短期利差原始與經小波轉換後之因果關係 74
表4.4.4 聯邦資金利率與道瓊工業指數原始與經小波轉換後之因果關係 75
表4.4.5 聯邦資金利率與美元指數原始與經小波轉換後之因果關係 76
表4.4.6 聯邦資金利率與原油價格原始與經小波轉換後之因果關係 77
表4.4.7原始序列及經小波轉換後「聯邦資金利率」與各變數之因果關係 78
參考文獻
中文部份
1.邱如萍、黃昱程、張俊源譯(1999),現代貨幣銀行學與金融市場-理論與實務,台灣西書出版社。
2.吳昭瑩(2003),「貨幣政策、能源消費與景氣循環」,中原大學國際貿易所碩士論文。
3.何棟欽(2005),央行公開市場操作對利率期限結構之傳遞效果及對金融市場之動態影響。
4洪士傑(2005),「貨幣政策、期間結構利差與實質產出成長之預測模型」,中央大學產業經濟研究所碩士論文。
5.曹郁龍(2002),「利率改變對股價之影響-以美國股市為實證研究」,台灣大學財務金融研究所碩士論文。
6.陳安斌、許育嘉(2004),整合小波轉換與神經網路於金融投資決策時間序列預測之研究,資訊管理學報。
7.許豑勻(2005),「貨幣政策對利率的影響-以美國Fed為例」,淡江大學財務金融學系碩士論文。
8黃富櫻(2004),美國Fed的公開市場操作,國際金融參考資料,第五十輯。
9.黃俊豪(2005),「小波理論應用於多因子模型-以台灣股市為例」,中央大學經濟管理碩士論文。
10.劉雨芬(2003)譯,歐洲中央銀行體系與美國聯邦準備體系之概況,國際金融參考資料,第四十九輯。
11.楊奕農(2007),時間序列分析-經濟與財務上之應用,雙葉書廊有限公司出版,初版五刷。
12.盧佳瑜(2006),「小波理論應用於日、韓、台、美四國股市相關性研究」,銘傳大學財務金融研究所碩士論文。

英文部分
1. Bernanke, B.S. and A.S. Blinder (1992), “The Federal Fund Rate and the Channels of Monetary Transmission,” American Economic Review, 82, 4, pp.901-921.
2. Bjorn, V. (1995), “Multiresolution Methods for Financial Time Series Prediction,” Proceedings of the IEEE/IAFE 1995 Conference on Computational Intelligence for Financial Engineering, 97.
3. Brown, P. A. and M. K. Yucel (1999), “Oil Prices and U.S. Aggregate Economics Activity: a question of neutrality,” Economics & Financial Review, 2, pp.16-24.
4. Bashir, Z., and El-Hawary, M.E. (2000), “Short Term Load Forecasting by Using Wavelet Neural Networks,”Canadian Conference on Electrical and Computer Engineering, pp.163-166.
5. Bento J, Lobo, Ali F. Darrat and Sanjay Ramchander (2006), “The Asymmertic Impact of Monetary on Currency Markets,”The Financial Review Vol.41 Issue 2, pp.289-303.
6. Conover, C. M, G.. R. Jensen, R.R Johnson, and J. M, Mercer (2005), “Is Fed Policy Still Relevant for Investors,” Financial Analysis Journal.61, 1, pp.70-79.
7. Daubechies (1990), “The wavelet transform time–frequency localization and signal analysis,” IEEE Trans, Inf. Theory 36, pp.961–1005.
8. Daoudi, K., Frakt, A.B., and Willsky, A.S. (1999), “Multiscale Autoregressive Models and Wavelets,” IEEE Transactions on Information Theory, Vol.45, No.3, pp.828-845.
9. Debashis Guha and Lorene Hiris (2002), “The aggregate credit spread and the business cycle,”International Review of Financial Analysis, Volume 11,pp.219-227.
10. Ding Li (2003) “Empirical study of investment behavior in equity markets using wavelet methods,”Doctor thesis, Rensselaer Polytechnic Institute, Troy, New York, U.S.A.
11. Engle, R. E., and C. W. J. Granger, (1987), “Cointegration and Error Correction: Representation, Estimation, and Testing,” Econometrica, Vol.55, pp.251-276.
12. Eichenbaum, M. & C.L.Evans (1995), “Some Empirical on the Effects of Shocks to Monetary Policy on Exchange Rate,” Quarterly Journal of Economics 43, pp.975-1009.
13. Fama, Eugene F., and Kenneth R. French (1989), Business Conditions and Expected Returns on Stocks and Bonds, Journal of Financial Economics 25, pp.23–49.
14. Fama, E.F., (1990) “Stock Return, Expected Returns, and Real Activity. J. Finance 45, pp.1089-1108.
15. Granger, C.W.J. (1969) “Investigating Causal Relations by EconometricModels and Cross-Spectral Methods,” Econometrica, 37, pp.424-438.
16. Granger, C.W.J. and P., Newbold (1974), “Superious Regressions in Econometrics,” Journal of Econometrics, Vol.2, pp.111-120.
17. Grossmann, A., Morlet, J. (1984), “Decomposition of Hardy function into square
integrble wavelets of constant shape,” SIAM, Vol.15, No.4, pp.736-783.
18. Gonzalo, J.,(1994), “Five Alternative Methods of Estimating Long-Run Equilibrium Relationships,” Journal of Econometrics, 60(1-2), pp.203-233.
19. Gallegati, Marco (2007), “Wavelet analysis of stock return and aggregate economic activity,” Computational Statistics and Data Analysis Volume 52.
20. Hausman, Joshua and Jon Wongswan(2006), “Global Asset Prices and FOMC Announcements,”Board of Governors of the Federal Reserve System, International Finance Discussion Paper No.886.
21. Johansen, S., and K. Juselius (1990), “Maximum Likelihood Estimation and Inference on Cointegration with Application to the Demand for Money,” Oxford Bulletin of Economics and Statistic, pp.169-209.
22. Johansen, S. (1991), “Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models,” Econometrica, Vol.59, pp.1551-1580
23. John H., Cochrane and Monika Piazzesi (2002), “The Fed and Interest Rates -A High Frequency Identification,” NBER Working Paper No. W8839.
24. Kyungho Jang and Masao Ogaki (2001), “The Effects of Monetary Shocks on Exchange Rates: A Structureal Vector Error Correction Model Approach,”Ohio State University Deparement of Economics Working Paper No.01-02.
25. Kim, B.S. (2003), “The relationship between financial variables and real economic activity: evidence from spectral and wavelet analysis,” Stud Nonlinear Dynamics Econometrics 7-4 (Art.4).
26. Lastrapers, W.D. (1989), “Exchange Rate Volatility and U.S. Monetary Policy: an ARCH Application,” Journal of Money, Credit and Banking, 21, pp.66-77.
27. Lewis, K. K. (1995), “Are foreign exchange intervention and monetary policy related, and does it really matter?” Journal of business, 68, pp.185-214.
28. Morlet, J. and Grossmann, A. (1984), “Decomposition of Hardy Functions to Square Integrable Wavelets of Constant Shape,” SIAM J. Math Anal., Vol.15, pp.723-736.
29. Mehra, Yash P.(1996),“A Federal Funds Rates Equation”,Federal reserve Bank of Richmond Economic Inquiry, Working Paper,95-3.
30. Moody, J. and Lizhong, W. (1997), “What is the “True Price” State Space Models for High Frequency FX Data,” IEEE/IFAE 1997 Conference on Computational Intelligence for Financial Engineering, pp.150-156.
31. Nelson CR, Plosser CI (1982), “Trends and random walk in macroeconomic time series,” Journal of Monetary Economics 10, pp.139–162.
32. Noureddune Krichene (2006), “World Crude Oil Market: Monetary Policy and the Recent Oil Shock,”IMF Working Paper No. 06/62.
33. Perman, R., (1991), “Cointegration: An Introduction to the Literature,” Journal of Economic Studies, Vol 18(3), pp.3-30.
34. Patelis, Alex D. (1997), “Stock Return Predictability and The Role of Monetary Policy,” Journal of Finance 52, pp.1951~1970.
35. Renaud, O., Starck, J. L., and Murtagh, F. (2003), “Prediction Based on a Multiscale Decomposition,” International Journal of Wavelets Multiresolution and Information Processing, Vol.1, pp.217-232.
36. Solnik, B. H. (1974), “The International Pricing of Risk: An Empirical Investigation of the World Capital Market Structure,” Journal of Finance, Vol. 29(2), pp.365-378.
37. Said, S. and Dickey, D.(1984), “Testing for Unit Roots in Autoregressive Moving Average Model of Unknown Order”, Biometrica, 71, pp.599-607.
38. S. Mallat (1989a), “A Theory of Multiresolution Signal Dcomposition: the Wavelet Representation,” IEEE Trans, Pattern Anal Machine Intell 11, pp.674-693.
39. S. Mallat (1989b), “A Theory for Multiresolution Signal Decomposition: The Wavelet Representation,” IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 11, No. 7, pp. 674-693.
40. Swee, E.G.T. and Elangovan, S. (1999), “Applications of Symmlets for Denoising and Load Forecasting,” Proceedings of the IEEE Signal Processing Workshop on Higher-Order Statistics, pp.165-169.
41. Soltani, S., Boichu, D., Simard, P., and Canu, S. (2000), “The Long -Term Memory Prediction by Multiscale Decomposition”, Signal Processing, 80.
42. Sharif Md. Raihan, Yi Wen and Bing Zeng (2005), “Wavelet: A New Tool for Business Cycle Analysis,” Working Paper 2005-050A. Federal Reserve Bank of St. Louis Reserch Division.
43. Shu Wu (2005), “Monetary Policy and Long-term Interest Rates,” The University of Kansas , Lawrence KS66045.
44. Thorbeke, W. (1997), “On Stock Market Returns and Monetary Policy,” The Journal of Finance, pp.635-653.
45. Vance Roley V. and Gordon H. Sellon, Jr. (1995), “Monetary Policy Actions and Long-Term Interest Rates,” Federal Reserve Bank of Kansas City, Economic Review, 4th Quarter, pp.73-89.
電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top