臺灣博碩士論文加值系統

在一般的風險值評估中，若只估計單日風險值，未必能符合假設期間內可平倉的事實，故計算多天期的風險值是必要的 (Beder,1995) 。此外，不同的信賴水準代表廠商或投資者的風險態度，愈趨避風險者，其設定信賴水準愈高。因此，持有期間與風險態度影響風險值估計甚鉅。本研究將考慮產業別、持有期間、風險態度與模型方法，對風險值進行評估，以決定最適的風險值評估模型。
本研究使用歷史模擬法、蒙地卡羅模擬法與極值理論來衡量VaR，其中極值理論是使用超越門檻值模型進行估計，而門檻值分別依下列兩種方法選擇：一、Mcneil and Frey (2000) 使用總樣本數的第10分位數當門檻值，二、陳佩君 (2005) 使用總樣本數的第15分位數當門檻值。另外，使用天數平方根與Daníelsson et al. (1997) 的 根規模法則來推算多天期風險值。最後，利用誤差均方根及回溯測試的失敗率與Kupiec (1995) 的概似比檢定來評估各組合的最佳預測方法。實證上使用台灣加權股價指數、塑膠化工類、電子類與金融類股價指數為對象。樣本內資料共計1000筆，樣本外資料共20筆。
實證結果得知，使用不同門檻值來估計極值理論，將其與歷史模擬法、蒙地卡羅模擬法做比較，使用所有樣本的第10分位數會比使用所有樣本第15分位數有較佳之預測結果。其次，不論在何種股價指數上，歷史模擬法低估最大損失的機率相當高，蒙地卡羅法大都適用於二十日VaR之估計，極值理論則較適用為單日VaR之估計。再者，以不同股價指數來看，塑化類股價指數較適合使用歷史模擬法來進行VaR之估計；金融類股價指數較適合使用蒙地卡羅模擬法來估計VaR。最後，以不同投資者的風險態度來看，對風險趨避程度相當高的投資者而言，蒙地卡羅法的資金運用效率為最佳方法；而對一般投資者而言，歷史模擬法的資金運用效率為最佳方法。

In evaluating value at risk (VaR) the confidence level, holding-day of portfolio and portfolio scale all play important role. This study employs different methods to estimate the VaR by considering different asset holding days and risk attitude. This study attempts to consider various confidence levels, holding-day of portfolio and assets to find out the best method to measure asset’s VaR.
In empirical study this article uses the Taiwan Weighted Stock Index, Plastics & Chemical Sub-index, Electrical Sub-index and Banking Sub-index as sample objects to evaluate their VaRs, based on three approaches, including historical simulation, Monte Carlo simulation and extreme value theory. To judge the threshold value in the extreme value theory, we use the 10 percentile or 15 percentile of sample data as proxy. In addition, we use the square-root-of-time rule and α-root scaling law to calculate the VaRs of different holding days. Finally, we use back-testing and RMSE to evaluate the forecasting performance of different estimation models of VaR.
Empirical study shows that the extreme value theory with 10 percentile has better forecast results than other risk evaluation models. Historical simulation has high probability to underestimate the VaR no matter which stock index is chosen. For a 20-day (1-day) holding of asset, Monte Carlo simulation (the extreme value theory) has the best evaluation performance in VaR. The optimal VaR evaluation method for Plastics & Chemical Sub-index (Banking Sub-index) is to adopt historical simulation (Monte Carlo simulation). With regard to the effect of risk attitude on VaR, Monte Carlo simulation (historical simulation) is more appropriate for the discreet (general) investor.

目 錄
摘 要 I
Abstract II
誌 謝 III
目 錄 IV
圖目錄 VI
表目錄 VII
第壹章 緒論 1
第一節 研究背景 1
第二節 研究動機 3
第三節 研究目的 5
第四節 研究流程與架構 6
第貳章 文獻回顧 8
第一節 風險值 (Value-at-Risk, VaR) 之概念 8
第二節 各種風險值的研究方法 10
第三節 風險值模型之比較 13
第四節 持有期間相關文獻 15
第參章 研究方法 16
第一節 歷史模擬法 (Historical Simulation Approach) 16
第二節 蒙地卡羅模擬法 (Monte Carlo Simulation) 18
第三節 極值理論 (Extreme Value Theory) 20
第四節 不同持有期間下的VaR 23
第五節 VaR之績效衡量 24
第肆章 實證結果 26
第一節 資料來源與分析 26
第二節 敘述統計分析 27
第三節 歷史模擬法之VaR 28
第四節 蒙地卡羅模擬法之VaR 29
第五節 極值理論之VaR 30
第六節 回溯測試與RMSE 33
第伍章 結論與建議 47
第一節 結論 47
第二節 未來發展與建議 49
第陸章 參考文獻 50
第柒章 附錄 54

圖目錄
圖 1 1 研究架構與流程 7
圖 4 1 TAIEX的超額均值函數圖 30
圖 4 2 塑化業之超額均值函數圖 30
圖 4 3 機電類超額均值函數圖 31
圖 4 4 金融類超額均值函數圖 31


表目錄
表 4-1 基本敘統計分析 27
表 4-2 不同門檻值之比較 31
表 4-3 參數 在不同分位數與資產之比較 32
表 4-4 一日VaR的回溯測試與RMSE之比較 34
表 4-5 不同門檻值的最佳一日VaR估計方法 35
表 4-6 五日VaR的回溯測試與RMSE之比較 36
表 4-7 不同門檻值的最佳五日VaR估計方法 37
表 4-8 十日VaR的回溯測試與RMSE之比較 39
表 4-9 不同門檻值的最佳十日VaR估計方法 40
表 4-10 二十日VaR的回溯測試與RMSE之比較 41
表 4-11 不同門檻值的最佳二十日VaR估計方法 42
表 4-12 TAIEX在不同信賴水準與持有期間下的最適估計VaR方法 44
表 4-13 塑化類股在不同信賴水準與持有期間下的最適估計VaR方法 44
表 4-14 電子類股在不同信賴水準與持有期間下的最適估計VaR方法 45
表 4-15 金融類股在不同信賴水準與持有期間下的最適估計VaR方法 45
附表1 歷史模擬法之VaR 54
附表2 蒙地卡羅模擬法之VaR 55
附表3 極值理論當門檻值為第15分位數之VaR 56
附表4 極值理論當門檻值為第10分位數之VaR 58

中文文獻
李佩芬(2006)，「股價指數期貨風險值估計與評估」，中原大學國際貿易研究所碩士論文。
吳曉萍(2007) ，「台灣巨災對產險公司風險值的估計-極值理論之應用」，國立功雄應用科技大學金融資訊研究所碩士論文。
周大慶、沈大白，柯瓊鳳，張大成，敬永康合著「風險管理新標竿」，智勝文化，台北市，2007。
陳勝源，「金融風險管理」，寰宇，臺北市，2006。
陳哲瑜 (2003)，「風險值在共同基金績效評估上之應用」，國立中正大學企業管理研究所碩士論文。
陳佩君(2005) ，「極值理論中門檻值之選取對風險值計算之影響」，東吳大學商用數學研究所碩士論文。
溫小慧(2006 ) ，「風險值VaR在外幣資產負債之風險衡量應用-以台灣某上市遠洋貨櫃船運公司為探討個案」，東吳大學企業管理研究所碩士論文。



英文文獻
Basel Committee on Banking Supervision,(2004), International Convergence of Capital Measurement and Capital standards, Switzerland: Basle.
Beder, T.S.,(1995), “VaR: Seductive and Dangerous,” Financial Analysts Journal, 51, pp.12-24.
Cotter J., (2007), “Varying the VaR for Unconditional and Conditional Environments,” Journal of International Money and Finance, 26, pp.1338-1354.
Daníelsson, J., De Vries, C.G., (1997a), “Beyond the Sample: Extreme Quantile and Probability Estimation”. Mimeo, Tinbergen Institute Rotterdam.
Daníelsson, J., De Vries, C.G., (1997b), “Tail Index and Quantile Estimation with Very High Frequency Data,” Journal of Empirical Finance, 4, pp.241-257.
Daníelsson, J., De Vries, C.G., (2000), “Value-at-Risk and Extreme Returns” Annales d'Economie et de Statistique , 60, 239–270.
Daníelsson, J. and Zigrand, J. P., (2006), “On time-scaling of Risk and the Square-root-of-time Rule,” Journal of Banking and Finance, 30, pp.2701-2713.
Gençay, R., Selçuk F. and Ulugülyağci A.,(2003), “High Volatility, Thick Tails and Extreme Value Theory in Value-at-Risk Estimation,” Insurance: Mathematics and Economics, 33, pp.337-356.
Hendricks, D., (1996), “Evaluation of Value-at-Risk Models Using Historical Data.” Economic Policy Review Federal Reserve Bank of New York, April, pp.39-69.
Hill, B.M., (1975), “A simple general approach to inference about the tail of a distribution.”Annals of Statistics,3, No.5, pp.1163-1173.
Jorion, P., (1996),“Risk-Measuring the Risk in Value at Risk.”Financial Analysis Journal, 52, pp.47-56.
Jorion, P., (1997), Value at Risk: The New Benchmark for Controlling Market Risk,Chicago, IL :Irwin.
Morgan, J. P., (1995), Riskmetrics Technical Document, New York: J.P. Morgan.
Morgan, J. P., (1999), CorporateMetrics Technical Document, New York: RiskMetrics Group.
Login, F. M.,(2000), “From Value at Risk to Stress Testing: The Extreme Value Approach,” Journal of Banking and Finance, 24, pp.1097-1130.
Kang, J. S., (2008), “Measuring the Value-at-Risk of Major Stock and Exchange Markets upon Subprime Mortgage Storm,” Master's thesis, Chung Yuan Christian University.
Kupiec, P. H., (1995), “Techniques for Verifying the Accuracy of Risk Measurement Models.” The Journal of Derivatives, 3, pp.73-84.
McNeil, A. J., (1999), “Extreme Value Theory for Risk Managers.” In Internal Modeling and CAD II, RISK Books, pp.93–113.
Mcneil A. J. and Frey R., (2000), “Estimation of Tail-related Risk Measures for Heteroscedastic Financial Time Series : An extreme value approach.” Journal of Empirical Finance , 7, pp.271-300.
Ozun, A., Cifter, A. and Yilmazer S., (2007), “Filtered Extreme Value Theory for Value-At-Risk Estimation.” MPRA Munich Personal RePEc Archive,22,May
Stelios D.B., and Dimitris A.G., (2005), “Estimation of Value-at-Risk by Extreme Value and Conventional Methods: A comparative evaluation of their predictive performance.” Journal of International Financial Markets, Institutions and Money, 15, pp.209-228.
Wiener, Z.,(1997), “Introduction to VaR(Value-at-Risk),” Risk Management and Regulation in Banking Jerusalem,18 May.
Zivot, E., (2006), Modeling Financial Time Series with S-plus, New York, Springer.