臺灣博碩士論文加值系統

藉由預測可以得知未來可能變化，提供決策者資訊上的參考。本研究使用定量分析，應用時間序列中ARIMA (Autoregressive Integrated Moving Average； Box & Jenkins，1976)模式分析法，以及實證上最常使用的ARCH (Autoregressive Conditional Heteroscedasticity；Engle，1982)模式與GARCH (Generalized Autoregressive Conditional Heteroscedasticity；Bollerslev，1986)模式於台灣運輸產業的股票價格，期能達到良好預測績效，並做不同模式預測能力的比較。

傳統上一般線性迴歸之基本假設，為殘差具有白噪音(White noise)的統計性質，但實證研究已發現許多總體經濟與財務的變數資料，皆與自身前幾期變數或與殘差項有關，且呈現非定態(Non-Stationary)時間序列的特性，因而有了ARIMA(p,d,q)模式，且過去的文獻也發現許多財務與經濟的時間序列，具有高狹峰分配(Leptokurtic)與波動叢聚(Volatility Clustering)的現象，這與一般常態分配和變異數不隨時間變化的性質不同，因而有了GARCH模式。

本研究將就1999~2006共八年間，既有的台灣加權指數運輸類股股價的公開資訊日資料，依據不同類股的股價，將其取對數之差呈股價報酬率，若非定態則以差分方式平穩化時間序列後，建構出預測模式，再將模式的預測值與2007年間的觀測值做比較，預測績效的指標由相關統計指標驗證，且做運輸類四家個股，在不同模式的股價預測能力比較。
研究發現考量異質變異數的AR(1)-GARCH(1,1)模式，在該類股具有異質變異的特性時，較原先的AR(1)模式能提高預測能力，且當預測期間引入2008年，研究建構的模式仍然有很好的預測能力。

關鍵字：時間序列、ARIMA、GARCH、股價預測

From forecast we may know the possible changes in the future, providing information references for policy-makers. This research use quantitative analysis, applying time series models to stock price forecasting of transportation industry in Taiwan.
We apply the Autoregressive Integrated Moving Average models proposed by Box& Jenkins(1976) and various volatility models, namely, the Autoregressive Conditional Heteroscedasticity(ARCH) models proposed by Engle(1982) and Generalized ARCH proposed by Bollerslev(1986). We expect to achieve good forecast results and compare the predictive ability of different models.
The traditional linear regressions assume that residuals have the white noise statistical nature. But the empirical studies have discovered that many financial and economic data, are not independent among returns of nearby days. These data have the non-stationary time series characteristic and leptokurtic and volatility clustering. The property can be explained by changes through time in volatility. The non-normal distribution assumption of GARCH model can successfully capture these general properties of returns.
We found that AR(1) model and AR(1)-GARCH(1,1) model are appropriate to investigate empirically the statistical attributes of daily stock price changes from 1999 to 2006 in Taiwan’s transportation industries. And the latter has the good predictive ability, but different models on different stocks do not have uniform result. When out-of-sample change, the models still to have good predictability.

Keywords: time series、ARIMA model、GARCH model、stock price forecast

目錄
圖目錄 Ⅵ
表目錄 Ⅷ
第一章　緒論 1
1.1 研究背景與動機 1
1.2 研究目的 1
1.3 研究架構與建模流程 2
第二章　文獻回顧 7
2.1 效率市場與隨機漫步國內外相關之研究 7
2.1.1　國外相關文獻 7
2.1.2　國內相關文獻 9
2.2　股價報酬率與條件異質變異數相關之研究 9
2.2.1　國外相關文獻 9
2.2.2　國內相關文獻 10
第三章 研究方法 13
3.1 ARIMA模型推導 13
3.1.1 定態型隨機過程 13
3.1.2　離散型線性隨機過程 14
3.1.3　自我迴歸過程 14
3.1.4　移動平均過程 15
3.1.5　混合自我迴歸移動平均過程 15
3.1.6　自我迴歸整合移動平均模型 15
3.2　ARIMA模型階次與差分次數 16
3.2.1 自我共變異數與自我相關函數 16
3.2.2 單位根檢定 17
3.3　ARMA模型檢定與估計 18
3.3.1 Q統計量 18
3.3.2 JB統計量 18
3.3.3 DW統計量 19
3.4　ARMA模型的選擇 19
3.5　ARCH模型與GARCH模型 20
3.6　ARCH模型的推導 21
3.7 ARCH模型檢定與估計 22
3.7.1　ARCH-LM檢定 22
3.7.2 檢定 22
第四章　實證分析 23
4.1　長榮海運 23
4.2　中華航空 42
4.3　萬海航運 48
4.4　長榮航空 52
4.4 研究結果分析 57
第五章　結論與建議 60
5.1 研究結論 60
5.2 後續研究建議 61
參考文獻 63

參考文獻

英文：
[1] Akaike, H.1969. “Fitting Autoregressive Model for reduction.”Annual of Institute of Statistical Mathematics, 243-247.
[2] Bollerslev, T.1986. “Generalized Autoregressive Conditional Heteroskedasticity.”Journal of Econometrics ,31：307-327.
[3] B. Mandelbrot .1963.“The Variation of Certain Speculative Prices.”Journal of Business ,36：394-419.
[4] Bollerslev, T., R. Chou and K. Kroner. 1992. “ARCH Modeling in Finance.” Journal of Econometrics, 52：5-59.
[5] Brealey, Richard A. ,Marcus, Alan J., Myers, Stewart C.2004. Fundamentals of corporate finance,4th ed,McGraw-Hill.
[6] Box, G. E. P. and Jenkins, G. M. 1976.Time Series Analysis Forecasting and Control, 2nd ed, Holden-Day, SanFrancisco.
[7] Brock, William, Josef Lakonishok and Blake Lebaron. 1992. “Simple Technical Trading Rules and the Stochastic Properties of Stock Returns.” Journal of Finance, 47：1731-1764.
[8] Brown, David and Robert,Jennings.1989. "On technical analysis." Review of Financial Studies,24：527-551.
[9] Daniel, Kahneman and Amos,Tversky. 1979. "Prospect Theory: An Analysis of Decision under Risk." Econometrica, 47： 263-91.
[10] Dickey, A. and Fuller,A.1979."Distribution of the Estimators for Au-toregressive Time Series With a Unit Root." Journal of American Sta-tistical Association,74：427-431.
[11] Engle, R. F. 1982. “ Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U. K. Inflation.” Econometrica, 50： 987-1008.
[12] Eldridge, R. M., C. Bernhardt and I. Mulvey .1993. “Evidence of Chaos in the S&P Cash Index.” Advances in Futures and Options Research, 6：176–192.
[13] Engle , RF, Granger ,CWJ .1987 . "Co-integration and error correction representation, estimation, and testing."Econometrica, 55: 251-276.
[14] Engle, R. F., Lilien, D. and Robins, R.1987.“Estimating Time Varying Risk Premia in the Term Structure: The ARCH-M Model.” Econometrica, 55：391-407.
[15] Engle, R. and V. Ng.1993.“Measuring and Testing the Impact of News on Volatility.”Journal of Finance ,48：1749-1778.
[16] Fama, Eugene F.1965.“The Behavior of Stock-Market Prices.” The Journal of Business, 34-105.
[17] Fama, Eugene.1970.“Efficient Capital Markets: A Review of Theory and Empirical Work.” Journal of Finance ,25：383-417.
[18] Fama, Eugene.1981.“Stock Returns,Real Activity,Ination,and Money .” American Economic Review,71：545-565.
[19] Fama, E.F. and M.E. Blume.1966.“Filter rules and stock-market reading.”Journal of Business ,39：226-241.
[20] Fama, E. and K. French.1988.“Dividend Yields and Expected Stock Re-turns.” Journal of Financial Economics,22：3-25.
[21] Fama, Eugene, and Kenneth French.1992.“The cross section of expected stock returns.”Journal of Finance, 47：427-466.
[22] French, K. and W.,Schwert and R.,Stambaugh.1987.“Expected Stock Returns and Volatility.”Journal of Financial Economics,19：3-29.
[23] Greene, M.T. and B.D. Fielitz .1977.“Long-term dependence in common stock returns.”, Journal of Financial Economics , 4：339--349.
[24] Granger＆Newbold.1998.Forecasting Economic Time Series.Cambridge University Press.
[25] Granger, C. W. J. and P. Newbold .1974.“Spurious regressions in econometrics.”Journal of Econometrics, 2： 111─120.
[26] Halbert, White.1980.“A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity.” Econometrica ,48：817-838.
[27] Lo, A. W. and C. MacKinlay .1988. “Stock Market Prices do not FollowRandom Walk: Evidence from a Simple Specification Test.” Review of Financial Studies, 1： 41–66.
[28] Lo, A. W. and C. MacKinlay .1989. “The size and power of the variance ratio test in finite samples: A Monte Carlo investigation.” Journal of Econometrics, 40： 203–238.
[29] Lustig, I.L. and P.A. Leinbach.1983. “The Small Firm Effect.” Financial Analysts Journal ,39：46-49.
[30] Markowitz, Harry M.1952. “Portfolio Selection.” The Journal of Finance,7：71-91.
[31] Nelson, D. B.1991. “Conditional Heteroskedasticity in Asset Returns: A New Approach.” Econometrica, 59：347-370.
[32] Ou, J. A. and Penman, S. H. 1989.“Financial Statement Analysis and the Prediction of Stock Returns.” Journal of Accounting and Economics ,11：298-329.
[33] Phillip, P. and P.,Perron.1988. "Testing for a Unit Root in Time Series Regression." Biometrika,75：335-346.
[34] Peter, H. 1997. “ Stock Market Returns in Thin Markets : Evidence from the Vienna Stock Exchange.” Applied Financial Economics ,7： 493-498.
[35] Stephen A.DeLurigio.1998.Forecasting Principles And Applications. Irwin,McGraw-Hill Boston.
[36] S, Basu.1977.“Investment Performance of Common Stocks in Relation to Their Price-Earnings Ratios: A Test of the Efficient Market Hypothesis .” The Journal of Finance, 32：663-682.
[37] Said, E. and A.,Dickey.1984.“Testing for Unit Roots in ARMA Models of Unknown Order.” Biometrika,71：599-607.
[38] Vedat, Akgiray.1989.“Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecasts.”Journal of Business, 62︰55-80.

中文：
[1] 陳裴紋，「台灣股票市場報酬率與波動性預測之研究-ARCH family模型之應用」，國立台灣大學財務金融學研究所，碩士論文，1995。
[2] 林良炤，「KD技術指標應用在台灣股市之實證研究」,國立臺灣大學商學研究所，碩士論文，1997。
[3] 徐合成，「台灣股市股票報酬與交易量關係之實證研究：GARCH模型之應用」，國立台灣大學財務金融研究所，碩士論文，1997。
[4] 陳健全，「台灣股市技術分析實證研究」，國立台灣大學商學研究所，碩士論文，1998。
[5] 謝宗祐，「股價波動性與選擇權隱含波動性之影響因素」，國立成功大學統計學研究所，碩士論文，1998。
[6] 王淑君，「台灣股市波動因子之探討----GARCH模型之應用」，國立臺灣大學農業經濟學研究所，1999 。
[7] 呂文正，「股票報酬率之波動性研究-ARCH-family、SWARCH模型之應用」，碩士論文，國立台灣大學經濟研究所，1999。
[8] 陳煒朋，「GARCH模型與隱含波動性模型預測能力之比較」，淡江大學財務金融研究所，碩士論文，1999。
[9] 黃冠瑋，「結合蒙地卡羅模擬法與波動性模型之涉險值分析」，淡江大學財務金融研究所，碩士論文，1999。
[10] 黃柏凱，「股價指數報酬率波動性持續之研究」，國立中正大學財務金融研究所，碩士論文，2000。
[11] 王殷盛，「財務預測資訊之市場效率性」，國立台灣大學會計學研究所，碩士論文，2003。
[12] 徐正錦，「技術分析應用於台灣股市之實證研究」，國立中正大學國際經濟研究所，碩士論文，2003。
[13] 賴素鈴、楊靜琪，「台灣股市雜訊交易因素及其對股價影響性之研究－融合時間序列橫剖面迴歸模式」，風險管理學報，6卷1期，5-31，2004。
[14]葉小蓁，「時間序列分析與應用」，三版，國立台灣大學，2006。
[15] 黃騰皓，「一般化自我迴歸條件異質變異數模型在不同分配假設下對波動度與價格分配預測之表現」，國立中央大學財務金融研究所，碩士論文，2007。
[16] 楊踐為、李家豪、類惠貞，「應用時間序列分析法建構台灣證券市場之預測交易模型」，中華管理評論學報，10卷3期，2007。