臺灣博碩士論文加值系統

本文以臺灣、日本、韓國與中國股市為主要研究對像，並應用VEC GJR DCC-GARCH模型及VEC Copula GJR-GARCH模型探討臺灣、日本、韓國與中國報酬率與波動性的相關性，並瞭解次級房貸危機與金融海嘯之重大事件對臺灣、日本、韓國與中國市場相關性所產生蔓延效果(contagion effect)之影響，樣本期間為1997年1月1日至2009年9月1日。

實證結果證明在次級房貸危機與金融海嘯期間，只有臺灣、日本與韓國報酬率之相關係數呈現提升趨勢，中國與臺灣、日本、韓國報酬率之相關係數並無顯著提升，顯示臺灣、日本與韓國報酬率與波動性的動態相關性受次級房貸危機與金融海嘯蔓延效果所影響，而不完全是跨市場間訊息共移所造成的外溢效果(comovement effect)。

此外，由VEC Copula GJR-GARCH模型實證結果可知臺灣、日本、韓國股市間具有雙尾相依之相關性結構，亦即有重大事件發生後，當市場呈現空頭時，臺灣、日本、韓國股市間一漲一跌的相關性較高；而中國與臺灣、日本、韓國市場具有右尾相依之相關性結構，亦即有重大事件發生後，當市場呈現多頭時，中國與臺灣、日本、韓國市場同時上漲的相關性較高。

This paper investigates the dynamic correlations among Taiwan, Japan, South Korea and China stock market, under subprime mortgage and financial tsunami by use VEC GJR DCC-GARCH model and VEC Copula GJR-GARCH model. It also discusses the contagion effect of the crisis of subprime mortgage and financial tsunami on the Taiwan, Japan, South Korea and China finance market. The sample period of this study is from January 1, 1997 to September 1, 2009.
The empirical results obtaining from the VEC GJR DCC-GARCH verify that during the crisis of subprime mortgage and financial tsunami period, the correlation coefficients among Taiwan, Japan and Korea markets have increased, but there are not significant correlations among China and Taiwan, Japan, Korea markets have increased. The results also indicated that the return and volatility correlation of Taiwan, Japan and Korea markets are affected by the crisis of subprime mortgage and financial (contagion effect), rather than simply by cross-markets information transmission through the volatility spillovers between any two markets as metioned above.
In addition, the of VEC Copula GJR-GARCH model signify the highly tail-dependency structure among Taiwan, Japan, Korea and China markets. We also found that the market dependency between those any two markets have increased during the period of subprime mortgage crisis and financial tsunami.

序言 i
摘要 ii
Abstract iv
目錄 v
表次 vii
圖次 x
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 5
第三節 研究方法與步驟 6
第四節 研究對象與資料來源 8
第貳章 臺、韓、日、中國、美國股市概況分析 11
第一節 次級房貸危機與金融海嘯 11
第二節 各國市場經營概況 14
第三節 各國股市概況分析 20
第叁章 理論基礎與文獻回顧 25
第一節 理論基礎 25
第二節 文獻回顧 34
第三節 本章結論 40
第肆章 相關計量方法 42
第一節 定態序列與單根檢定 42
第二節 ICSS運算法 44
第三節 Johansen共整合檢定 46
第四節 VAR、VEC與因果檢定 49
第五節 DCC-多變量GARCH模型 53
第六節 Copula概念與Copula GJR-GARCH模型建構 58
第伍章 模型建構與實證結果分析 70
第一節 資料描述 70
第二節 資料檢定之結果與分析 79
第三節 DCC-GJR GARCH模型之建構與實證結果 92
第四節 Copula-GJR GARCH模型之建構與實證結果 137
第五節 本章小節 174
第陸章 結論與建議 181
第一節 結論 181
第二節 建議 188
參考文獻 191

國內文獻
1.王冠閔、黃柏農，2004，「臺灣股匯市與美國股市關聯性探討」，臺灣經濟預測與政策，34(2)，31-72。
2.王凱立與陳美玲，2003，「亞洲金融風暴發生前後美國與臺灣股市動態關聯之進一步研究」，經濟論文叢刊，31:2，1-62。
3.方文碩、王冠閔、董澍琦，2006，「亞洲金融危機期間股票市場蔓延效果」，管理評論，25(2)，30-61。
4.王雅瑜，2007，「油價波動對美國與日本股價市場報酬波動之衝擊：
雙變量厚尾分配與DCC-非對稱IGARCH 模型之應用」，私立嶺東科技大學財務金融研究所碩士論文。
5.林啟光，2007，「中國股市與香港中資類股報酬率與波動性外溢效果」，國立臺灣海洋大學應用經濟研究所碩士論文。
6.林勝宏，2004，「國際股市關聯結構之研究-Copula模型之應用」，國立臺灣科技大學資訊管理所碩士論文。
7.林玉婷，2004，「總體變數與重大事件對國際投資的影響」，國立成功大學國際企業研究所碩士論文。
8.宋詩怡，2008，「次級房貸事件對美國與臺灣股巿之衝擊分析」，國立臺北大學統計學研究所碩士論文。
9.高志宏 ，2003，「臺灣、日 本、南韓股匯市與美國股市相關性之實證研究」，私立東吳大學經濟研究所碩士論文。
10.郭憲鍾，，2003，「國際股市之動態關連」，國立暨南國際企業學系碩士論文。
10.黃志偉，2007， 「中國A股與韓國H股的傳遞效果:多變GARCH-DCC模型之應用」，東華大學國際經濟研究所碩士論文。
11.楊景惠 ，2003， 「金融風暴的狙擊對美國與東亞各國股匯市之長、短期連動關係之研究」，成功大學高階管理碩士在職專班碩士論文。
12.賴柏志，，2004， 「關聯結構(Copula)在信用風險管理之運用」，金融風險管理季刊。
13.賴彥君 ，2008， 「美國次級房貸風暴對全球股價走勢的衝擊與影響-以DCC模型分析」，國立政治大學經濟研究所碩士論文。
14.姜淑美、鄭婉秀，2003， 「外資交易行為、股市與匯市動態關連之研究」，風險管理學報，第五卷，第一期，5(1):45-64。
15.廖榮達 (2004) 「選舉與亞洲金融風暴對臺灣股匯市之跳躍風險」，私立淡江大學財務金融學系碩士論文。
16.廖四郎、李福慶，2005， 「擔保債權憑證之評價-Copula分析法」，臺灣金融財務季刊，6(2):53-84。


國外文獻

1. Bauwens, L., S. Laurent and J.V.K. Rombouts (2006), “Multivariate GARCH models: a Survey,” Journal of Applied Econometrics, 21:79-109.

2. Bollerslev, T., and J. H. Wright. (2000). “Semiparametric Estimation of long-memory Volatility Dependencies: The role of high-frequency data,”Journal of Econometrics, 98: 81-106.

3. Bollerslev, T. and Engle, R. F. (1993) “Common persistence in conditional variances,”Econometrica, 61, 167-186.

4. Carla, Inclan and G. C. Tiao (1994), “Use of Cumulative Sums of Squares for Retrospective Detection of Changes of Variance,” Journal of the American Statistical Association, 89, 427, pp. 913- 923.

5. Chih, C. H., C. P. Tseng and Y. H. Wang (2002), “Dynamic hedging with futures: A copula-based GARCH model,” Journal of Futures Markets, 11, 1095 – 1116.

6. Engle, R. F. (1982). “Auto-regressive Conditional Heteroskedasticity with estimates of the variance of United Kingdom inflation,”Econometrica, 50 (4), 987-1007.

7. Engle, R. F. (2002). “Dynamic conditional correlation: a simple class of multivariate generalized autoregressive conditional heteroskedasticity models,” Journal of Business and Economic Statistics, 20(3), 339-350.

8. Forbes and Rigobon (2002),”No contagion, only interdependence: measuring stock market conmovements,”NBER Working Paper, 7264.

9. Hansen, L. P. and R. J. Hodrick (1980), “Forward exchange rates as optimal predictors of future spot rates: an econometric analysis,”Journal of Political Economy, 88, 829-853.

10. Hu, L. (2006), “Dependence patterns across financial markets: a mixed copula ap-proach,” Applied Financial Economics 16, 717-729.

11. Huang, J. J., et al.(2009), “ Estimating value at risk of portfolio by conditional Copula-GARCH method,” Mathematics and Economics, 45(3) 315-324

12. Nelsen, R. B. (1999), “An introduction to copulas.”Springer Verlag, New York.

13. Nelson, D.B. (1991). “Conditional heteroskedasticity in asset returns: a new approach,” Econometrica, 59 (2), 347-370.

14. Ng, L. (1991) “Tests of the CAPM with time-varying covariances: A Multivariate GARCH Approach,”Journal of Finance, 4, 1507-1521.

15. Oakes, D. (2005). “On the preservation of copula structure under truncation,”Canadian Journal of Statistics, 33, 465–468.

16. Patton, A. J. (2006). “Estimation of copula models for time series of possibly different lengths,” Journal of Applied Econometrics 21 (2), 147-173.

17. Engle R. F. (2001), “Dynamic conditional correlation - A simple class of multivariate GARCH models,”UCSD.

18. Sklar, A. (1959). “Fonctions de re´partition a`n dimensions et leurs marges,”Publications de l’Institut Statistique del’Universite´ de Paris, 8, 229-231.

19. Solink, B. H. (1974) “Why not diversify international rather than domestically?” Finacail Analysts Journal, Jul-Aug, p48-53.

20. Tsui A. K. and Q. Yu (1999), “Constant conditional correlation in a bivariate GARCH model: Evidence from the stock market in China,” Mathematics and Computers in Simulation, 48, 503–509.

21. Tse, Y. K. (2000), “A test for constant correlations in a multivariate GARCH model,” Journal of Econometric, 98, 107-127.

22. Oakes, D. (2005). “On the preservation of Copula structure under truncation,”Canadian Journal of Statistics 33, 465–468.

23. Perron Pierre and Zhongjun Qu (2006)” Estimating restricted structural change models,” Journal of Econometrics, 134.

24. Yang, S.Y. (2005), “A DCC analysis of international stock market correlations: the role of Japan on the Asian four tigers,” Applied Financial Economics Letters, 1: 89-93.

25. Zhu, H., Z. Lu and S. Wang (2004), “Causal linkages among Shanghai, Shenzhen, and Hong Kong stock markets,” International Journal of Theoretical and Applied Finance, 7, 135-149.