臺灣博碩士論文加值系統

近年來國際上出現了多起的金融危機，還有隨者金融商品的不斷推陳出新，在在都顯示出風險管理的重要性，相對地，也有越來越多學者提出各種模型來衡量風險值。風險評量及管理的重要性已日益加增，這可從台灣剛成立的金控公司中幾乎均沒有高層級的風險管理部門看出。在市場風險的衡量工具中，經由國際清算銀行的規定及J.P. Morgan公司的推廣，風險值已成為風險評量最主要的標準之一。以統計學的術語而言風險值就是一個分配在左尾某處機率很小時的分位數。目前有許多的風險值模型被建構出來，但哪一個模型較適合來估計風險值，仍是一個具爭議性的問題。大部分的財務報酬率資料均為厚尾的分配，但一般傳統風險值的計算模型皆假設為常態分配，以至於無法精確詳盡的描繪出資料尾端的分配，造成低估風險值的現象。極值理論(Extreme Value Theory)主要是探討分配的尾端特性，可以計算出較精確的風險值。極值模型大致可以分成二種：一為Block Maximum(BM)模型，-二為Peak-over-threshold(POT)模型。POT模型又可分成semi-parametric(POT-semi)模型及Full parametric(POT-full)模型。本文模擬四種分配的資料，分別為具有厚尾現象的標準化後的t分配其自由度分別為3、5、15，以及標準常態分配。由於本文主是要探討極端事件的問題，所以考慮採用1- 之值接近於1 (如：0.9、0.95、0.99…)，再使用不同的極值理論方法來估計風險值。模擬結果顯示用POT-full法效果最好，而BM法會有明顯低估的現象，POT-semi法則表現普通。另外，本文對台灣加權股價指數與台幣對美元匯率這兩個市場進行實證研究。因台灣加權股價指數的峰度並不是非常顯著，所以估計出的尾巴參數值並不似理論中的大於零，而是小於零，不過我們還是使用極值理論模型對其估計風險值，所得到的估計值仍屬合理的範圍，在信賴係數1- 值為0.9999時，極值理論模型所估得的風險值多數會超過0.07。由於台股加權指數有7﹪漲跌幅的限制，這部分的矛盾關係仍須有進一步的考量及處理。另外，台幣對美元匯率符合理論中的高峰厚尾分配，極適合用極端值模型來估計風險值。

第一章 緒論...........................................1
第一節 研究背景及動機.................................1
第二節 研究目的.......................................3
第二章 文獻探討.......................................4
第一節 風險值的定義...................................4
第二節 值端值理論（Extreme Value Theory)..............6
第三章 研究方法.......................................8
第四章 風險值之模擬比較..............................21
第一節 模擬資料......................................21
第二節 模擬結果......................................22
第五章 實證研究......................................34
第一節 實證資料選取..................................34
第二節 研究步驟與結果................................34
第六章 結論...........................................44
參考文獻...............................................45
附圖...................................................47

中文部分：
1. 王德仁，民國89年6月，「風險值評估之統計方法與實證研究」，台北大學統計研究所碩士論文。
2. 林紀男，民國90年7月，「結合類神經網路與分位數迴歸估計多期報酬率之風險值」，台北大學統計研究所碩士論文。
3. 王甡及吳壽山，2000，「一致化風險值與壓力測試值之估計－混合一般化極值分配模型分析」，風險管理學報，第三卷，第1期， pp.23-48。
國外部分：
1. Bradley B.O. and Taqqu M.S.,(2001)” Financial Risk and Heavy Tails, ” To appear in the volume Heavy-tailed distribution in Finance, Svetlozar T. Rachev, editor, North Holland.
2. Bassi F, Embrechts P, and Kafetzaki M,(1998) ”Risk Management and Quantile Estimation,” A Practical Guide to Heavy Tails, eds. R.J. Adler et al., Boston, Birkhaeuser, pp. 111-130.
3. Beder, T.S.,(1995) “VaR：Seductive but Dangerous,” Financial Analysis Journal, pp. 12-24.
4. B.M. Hill,(1975) “A simple general approach to inference about the tail of distribution,” Annals of Statistics.
5. D. Duffie and J. Pan, (1997) “An overview of value at risk,” Journal of Derivatives, 4(3), pp. 7-49.
6. Embrechts, Paul, (1997) “Modelling extremal events for insurance and finance / Paul Embrechts, Claudia Klüppelberg, Thomas Mikosch,” Applications of mathematics, pp 0172-4568.
7. Hall, P. ,(1990) “Using the bootstrap to estimate mean squared error and select smoothing parameterin nonparametric problems,” Journal of multivariate Analysis 32, pp. 177-203.
8. Jacksson, P.,D. J. Maude, and W. Perraudin,(1997) “Bank Capital and Value at Risk,” The Journal of Derivatives, Vol. 4, No. 3, pp. 73-89.
9. Jorion P.,(1996) “Value at Risk,” IRWIN publishing.
10. Pickands, J.,(1975) “Statistical inference ueing extreme order statistics,” The Annals of Statistics 3, pp. 119-131.
11. R.A. Fisher and L.H.C. Tippett,(1928) “Limiting forms of the frequency distribution of the largest or smallest number of the sample,” Proc. Cambridge Philos. Soc. 24, pp. 180-190.