由於新興國家對能源的需求增加和投機客炒作，自2007年下半年起國際油價大幅攀升，而在替代能源議題效應下拉動了小麥、黃豆和玉米等可提煉生質酒精的大宗穀物價格紛紛上漲，但一年後當油價開始巨幅滑落，大宗穀物價格也跟著大跌。這一連串的漲跌關係是近年來罕見的現象，過去也幾乎沒有相關研究分析原油和大宗穀物間的價格波動關係。由於商品價格的巨幅波動會使消費者所面對的價格風險增加，所以有必要針對其波動關係加以分析，檢視變數間是否確實存在波動傳遞效果，並發展相關避險策略，評估避險績效，找出最適模型和避險策略，一方面提供商品相關供需者未來價格走勢的參考資訊，也同時提供投資者或避險者在從事避險行為時的參考依據。
本研究以多變量GARCH模型進行分析，實證結果發現，原油和大宗穀物間確實存在波動傳遞效果，彼此間有強烈的互動關係，相關係數波動圖也顯示近一年來二者的相關性有明顯上升的情形。避險分析部份，GARCH模型能降低大部分波動風險，而若比較兩種常見之多變量GARCH模型：DCC-GARCH和BEKK-GARCH的差異，研究結果發現小麥、黃豆和玉米日報酬在DCC模型下直接避險優於BEKK，原油避險則以BEKK模型避險效果較佳，且週資料避險效果優於日資料，而且波動愈劇烈愈能顯現出期貨避險的好處。此外，儘管原油和大宗穀物價格間有波動傳遞關係，但交叉避險效果未必比直接避險好，大致來說直接避險就能有效降低波動的風險。整體而言，DCC模型優於BEKK模型的幅度大於BEKK模型優於DCC模型的幅度，表示DCC呈現出的避險績效較BEKK模型來得好。

The significant increase in demand from developing countries and speculations has pushed up oil price sharply from 2007 to mid-2008, which, in turn, has accelerated the development of alternative energy all over the world. Grains, which can be made into bio-fuels, inevitably became the highly-demanded goods. However, when oil price started to drop during late 2008, grain price fell as well. The phenomenon of co-movement between oil price and grain price has never happened before, and, hence, has seldomly been explored by researchers.
This study applies multi-variate GARCH methods to analyze the transmission relationship among several price variables. Our results find that significant transmission effects do exist between oil price and grain price. The computed correlation coefficients between the variables also reveal that the correlation has risen apparently in recent years. With respect to hedging, we find that multi-GARCH can reduce risk in most cases. In addition, DCC-GARCH model can reduce much larger percentage of risk than BEKK-GARCH model does. Furthermore, cross hedging does not show to have better performance than direct hedging does. That is, direct hedging is good enough to reduce most of the risk.

中文摘要 I
英文摘要 II
誌 謝 III
圖表目錄 V
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 研究架構 5
第四節 研究流程 6
第 貳 章 文獻探討 9
第一節 多 變量GARCH模型與波動傳遞效果 9
第二節 原物料價格關係 11
第三節 期貨避險 12
第 參 章 實證方法 17
第一節 單根檢定 17
第二節 異質變異檢定 18
第三節 多變量GARCH模型 20
第四節 避險模型 24
第 肆 章 實證結果分析 30
第一節 資料來源與處理 30
第二節 變數之敘述統計與檢定 30
第三節 波動分析 35
第四節 避險策略與避險效果評估 50
第 伍 章 結論與建議 58
參 考 文 獻 61
附 錄 64

圖表目錄
圖1-1 西德州原油現貨價格走勢圖 2
圖1-2 原油價格與CBOT大宗穀物近月期貨價格走勢 2
圖1-3 國際原油期貨價格與躉售物價指數走勢 3
圖1-4 2008年植物類產品進口值百分比 4
圖1-5 研究架構 6
圖1-6 研究流程圖 8
圖4-1 DCC(上)與BEKK(下)模型之小麥和物價相關係數波動圖 45
圖4-2 DCC(上)與BEKK(下)模型之黃豆和物價相關係數波動圖 45
圖4-3 DCC(上)與BEKK(下)模型之玉米和物價相關係數波動圖 46
圖4-4 DCC(上)與BEKK(下)模型之原油和物價相關係數波動圖 46
圖4-5 DCC(上)與BEKK(下)模型之小麥和黃豆相關係數波動圖 47
圖4-6 DCC(上)與BEKK(下)模型之小麥和玉米相關係數波動圖 47
圖4-7 DCC(上)與BEKK(下)模型之黃豆和玉米相關係數波動圖 48
圖4-8 DCC(上)與BEKK(下)模型之小麥和原油相關係數波動圖 48
圖4-9 DCC(上)與BEKK(下)模型之黃豆和原油相關係數波動圖 49
圖4-10 DCC(上)與BEKK(下)模型之玉米和原油相關係數波動圖 49
表4-1 各期貨變數月資料之基本統計分析 31
表4-2 各期貨變數日資料之基本統計分析 32
表4-3 各現貨變數日報酬率之基本統計分析 32
表4-4 月報酬變數之單根檢定 33
表4-5 日報酬率之單根檢定 33
表4-6 各變數月報酬之序列相關與異質變異檢定 34
表4-7 各期貨變數日報酬之序列相關與異質變異檢定 34
表4-8 各現貨變數日報酬之序列相關與異質變異檢定 35
表4-9 BEKK模型估計五變數月資料期貨報酬結果 37
表4-10 DCC模型估計五變數月資料期貨報酬結果 37
表4-11 BEKK模型估計四變數日資料期貨報酬結果 39
表4-12 DCC模型估計四變數日資料期貨報酬結果 39
表4-13 石油與大宗穀物各年度平均相關係數 44
表4-14 不同模型與期間下各商品日報酬直接避險之避險效果 51
表4-15 不同模型與期間下各商品週報酬直接避險之避險效果 52
表4-16 比較不同避險期間之避險效果 53
表4-17 週報酬較日報酬改善報酬變異程度之百分比 53
表4-18 規避石油現貨之交叉避險與直接避險效果 54
表4-19 規避小麥現貨之交叉避險與直接避險效果 55
表4-20 規避玉米現貨之交叉避險與直接避險效果 57
表4-21 規避黃豆現貨之交叉避險與直接避險效果 57
表4-22 各商品最適避險模型與策略 57

李常春(2005)，「不同條件相關係數與共變異數模型在預測能力方面之比較」，中原大學國際貿易研究所碩士論文

林筠、傅鍾仁(1993)，「我國進口油價風險管理之研究----原油期貨交叉避險」，證券市場發展季刊，18卷期，頁42-56

施冠宇(2008)，「國內外大宗原物料價格發展趨勢」，台灣經濟研究月刊，第31卷11期，頁15-24

張萃貞、鄭雅綺(2007)，「油價上漲對國內物價及人民生活負擔的影響簡析」，經濟研究，8卷期，頁33-50

張芳倩(2005)，「國際油價與大盤及類股股價指數之相關性」，國立中正大學財務金融所碩士論文

張維敉(2002)，「金融危機與風險外溢—DCC模型之應用」，國立中央大學財務金融研究所碩士論文

郭宗憲(2008)，「世界主要原物料價格指數與台灣消費者物價指數的關聯性分析」，國立交通大學經營管理所碩士論文

郭俊宏(2004)，「多變量GARCH模型之比較研究」，國立台灣大學經濟研究所碩士論文

翁靖迪(2008)，「美國大宗穀物期貨價格時間序列分析—短期預測模型比較」，國立台灣大學農業經濟研究所碩士論文

梁啟源(2005)，「油價上漲對台灣經濟之影響」，台灣經濟金融月刊，第41卷11期，頁1-10

揚家麒(2007)，「國際油價衝擊對台灣總體經濟的影響」，碩士論文，世新大學財務金融研究所(含碩專班)碩士論文

黃旭渟(2005)，「國際原油價格對總體經濟變數之影響」，國立交通大學經營管理研究所碩士論文

謝文耀(2007)，「動態原油期貨避險—以WTI原油期貨為例」，中原大學國際貿易研究所碩士論文

龔明鑫 (2006)，「國際油價上漲對台灣經濟之影響與因應對策」，研究報告，經濟部研究發展委員會委託財團法人台灣經濟研究院

Berndt E.K., Hall H.B., Hall R.E. and Hausman J.A. (1974) “Estimation and Inference in Nonlinear structural Models,” Annals of Economic and Social Measurement 4:653-666

Bollerslev T. (1986) “Generalized Autoregressive Conditional Heteroskedasticity,” Journal of Economerics 31:307-327

Bollerslev T., Engle R. and Wooldridge J.M. (1988) “A Capital Asset Pricing Model with Time-Varing Covariances,” Journal of Political Economy 96: 116-131

Bollereslev T. (1990) “Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized Arch Model,” Reviews of Economics and
Statistics 72:3 498-505

Baillie R.T. and Myers R.J. (1991) “Bivariate GARCH Estimation of the Optimal Commodity Futures Hedge,” Journal of Applied Economics 6:2 109-124

Chen K.C., Sears R.S., and Tzang D. (1987) “Oil Prices and Energy Futures” Journal Futures Markets 17:501-518

Ederington L.H. (1979) “The Hedging Performance of the New Futures Marktets,” Journal of Finance 34: 157-170

Engle R.F. (1982) “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation,” Econometrica 50: 987-1007

Engle R.F., Kroner F.K. (1995) “Multivariate Simultaneous Generalized ARCH,” Econometic Theory 11:122-150

Engle R.F. and Sheppard K. (2001) “Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH,” Economics Working papers,
2001-15

Giovannini M., Grasso M., Lanza A. and Manera M. (2006) “Conditional Correlations in the Returns on Oil Companies Stock Prices and Their Determinants,” Empirica 33:193-207

Haigh M.S. and Holt M.T. (2002) “Crack Spread Hedging Accounting for Time-Varying Volatility Spillovers in the Energy Futures Markets,” Journal of Applied Econometrics 17:3 269-289

Howard C. T. and D’Antonio L. J. (1984) “Treasury Bill Futures as A Hedging Tool: A risk-Reture Approach,” Journal of Futures Research 9:1 25-39

Johnson, L.L (1960) “The Theory of Hedging and Speculation in Commodity Futures” Review of Economic Studies 27: 139-151

Kearney C. and Patton A.J. (2000) “Multivariate GARCH Modeling Exchange Rate Volatility Transmission in the European Monetary System,” Financial
Reviews 35:1 29-48

Markowitz H. (1952) “Portfolio Selection,” Journal of Finance 7:1 77-91

Lin S.X. and Tamvakis M.N. (2001) “Spillover Effects in Energy Futures Markets,” Energy Economics 23:1 43-56

Lee J. (2006) “The Comovement between Output and Prices: Evidence from a Dynamic Conditional Correlation GARCH Model,” Economics Letters 91: 110-116

Park T.H. and Switzer L.N. (1995) “Bivariate GARCH Estimation of the Optimal Hedge Ratios for Stock Index Futures: A Note,” The Journal of Futures Markets 15:1 61-67

Stein J. (1961) “The Simultaneous of Dynamic Hedging,” American Economic Review 51:19-35