學術產出-Theses

Article View/Open

Publication Export

Google ScholarTM

政大圖書館

Citation Infomation

  • No doi shows Citation Infomation
題名 以條件拔靴法估計VaR之探討
作者 賴信宏
貢獻者 翁久幸
賴信宏
關鍵詞 風險值
拔靴法
厚尾高峰
異質變異
GARCH
GARCH Bootstrap
日期 2002
上傳時間 9-May-2016 16:23:40 (UTC+8)
摘要   關於風險值之估計,拔靴法因直接以市場資料為抽樣分配,計算時便包含一般財務時間序列所常有的厚尾高峰等現象,避免模型偏誤(Model Risk)。但市場上的波動因具有異質變異,易產生波動聚集現象(Volatility Clustering),是以歷史資料無法立即反應波動之起伏與及時之資訊,一般VaR估計模型往往在波動較劇烈起伏處,無法準確估計風險值,因而提高市場風險。
       針對於此,此次研究嘗試以GARCH模型捕捉波動起伏,並運用拔靴法估計之便捷與優點,估計更可靠之風險值(簡稱GARCH Bootstrap)。研究所得之主要結論如下:
       1.拔靴法(Bootstrap)以及偏誤修正之拔靴法(Bias-Corrected Bootstrap)在厚尾及常態之下,皆比歷史模擬法有較佳之估計。但實證資料因厚尾情形不足,三者之VaR估計,並無顯著差異。
       2.拔靴法及偏誤修正之拔靴法於模擬中有較大之差距,實證下則較小,應為實證資料厚尾情形較輕微所致。
       3.模擬中,在GARCH模型之配適上,選擇樣本大小(或窗口大小)為250日或500日皆為條件之估計較佳。但實證上,250日的資料仍嫌不足,在計算參數時會有不收斂而無法得其結果。建議在窗口選擇上應至少為500日。
       4.在資料本身具有GARCH現象時,GARCH Bootstrap會較Bootstrap為佳。
參考文獻 一、國外部份
     1.Alexander, C. O. and Leigh, C. T., 1997. "On the Covariance Matrics Used in Value at Risk Models," The Journal of Derivatives. Vol:4 Number3, pp.50-62.
     2.Bollerslev,T., 1986. "Generalized Autoregressive Conditional Hetero-scedasticity", Journal of Econometrics, V31, pp.307-327.
     3.Barone-Adesi, G., Giannopoulos K. and Vosper L., 1999 "VaR Without Correlations for Portfolios of Derivative Securities", Journal of Futures Markets 19 (April), pp.583-602.
     4.Duffie, Darrell and Pan, Jun 1997. “An Overview of Value at Risk.” The Journal of Derivatives, spring, pp.7-49.
     5.Davidson, A.C. and Hinkley, D.V., 1997. Bootstrap Methods and their application, Cambridge University Press.
     6.Efron, B. and Tibshirane, R.J., 1993. An Introduction to Bootstrap,Chapman & Hall.
     7.Hendricks, D., 1996. "Evaluation of Value at Risk Models Using Historical Data", Economics Policy Review, pp.39-70.
     8.Hull, J. and White, A., 1998. "Incorporating Volatility Updating into the Historical Simulation Method for Value at Risk", Journal of Risk, Fall.
     9.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 Financial, Autumn.
     10.Jorion, P., 1997. "Value at risk: the new benchmark for controlling market risk”, The McGraw-Hill Companies. Inc. Publication.
     二、國內部份
     1.江義玄(2000),「投資組合之風險評價:新模擬方法的運用」,國立政治大學企業管理研究所碩士論文。
     2.李進生 等(2001),風險管理:風險值(VaR)理論與應用,台北:清蔚。
     3.張士杰(1999),「運用拔靴複製法構建VaR 估計量之分配」,銘傳大學金融研究所碩士論文。
     4.蒲建亨(2001),「整合VaR法之衡量與驗證~以台灣金融市場投資組合為例」,國立政治大學國際貿易研究所碩士論文。
描述 碩士
國立政治大學
統計學系
88354004
資料來源 http://thesis.lib.nccu.edu.tw/record/#A2010000393
資料類型 thesis
dc.contributor.advisor 翁久幸zh_TW
dc.contributor.author (Authors) 賴信宏zh_TW
dc.creator (作者) 賴信宏zh_TW
dc.date (日期) 2002en_US
dc.date.accessioned 9-May-2016 16:23:40 (UTC+8)-
dc.date.available 9-May-2016 16:23:40 (UTC+8)-
dc.date.issued (上傳時間) 9-May-2016 16:23:40 (UTC+8)-
dc.identifier (Other Identifiers) A2010000393en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/95491-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 統計學系zh_TW
dc.description (描述) 88354004zh_TW
dc.description.abstract (摘要)   關於風險值之估計,拔靴法因直接以市場資料為抽樣分配,計算時便包含一般財務時間序列所常有的厚尾高峰等現象,避免模型偏誤(Model Risk)。但市場上的波動因具有異質變異,易產生波動聚集現象(Volatility Clustering),是以歷史資料無法立即反應波動之起伏與及時之資訊,一般VaR估計模型往往在波動較劇烈起伏處,無法準確估計風險值,因而提高市場風險。
       針對於此,此次研究嘗試以GARCH模型捕捉波動起伏,並運用拔靴法估計之便捷與優點,估計更可靠之風險值(簡稱GARCH Bootstrap)。研究所得之主要結論如下:
       1.拔靴法(Bootstrap)以及偏誤修正之拔靴法(Bias-Corrected Bootstrap)在厚尾及常態之下,皆比歷史模擬法有較佳之估計。但實證資料因厚尾情形不足,三者之VaR估計,並無顯著差異。
       2.拔靴法及偏誤修正之拔靴法於模擬中有較大之差距,實證下則較小,應為實證資料厚尾情形較輕微所致。
       3.模擬中,在GARCH模型之配適上,選擇樣本大小(或窗口大小)為250日或500日皆為條件之估計較佳。但實證上,250日的資料仍嫌不足,在計算參數時會有不收斂而無法得其結果。建議在窗口選擇上應至少為500日。
       4.在資料本身具有GARCH現象時,GARCH Bootstrap會較Bootstrap為佳。
zh_TW
dc.description.tableofcontents 謝辭
     摘要
     目錄-----I
     圖目錄-----II
     表目錄-----III
     第一章 緒論-----1-1
     第二章 文獻回顧-----2-1
     第三章 研究方法-----3-1
       第一節 歷史模擬法-----3-1
       第二節 拔靴法-----3-2
     第四章 模擬結果-----4-1
       第一節 風險值模型之評估方法-----4-1
       第二節 VaR估計之模擬比較-----4-1
     第五章 實證結果之分析-----5-1
       第一節 基本資料分析-----5-1
       第二節 實證結果與分析-----5-3
     第六章 建議與後續研究-----6-1
     參考文獻-----I
     
     圖目錄
     圖1-1 VaR示意圖-----1-2
     圖3-1 拔靴複製法與估計標準誤、偏誤之過程-----3-3
     圖3-2 區塊拔靴法示意圖-----3-7
     圖4-1 VaR估計比較流程─資料獨立-----4-2
     圖4-2 自由度為1時之模擬序列-----4-4
     圖4-3 VaR估計比較流程─資料序列相關-----4-5
     圖4-4 VaR估計比較流程─各拔靴法-----4-8
     圖4-5 VaR比較圖例-----4-10
     圖4-6 各拔靴法VaR比較圖例-----4-11
     圖4-7 標準殘差之Q-Q Plot-----4-11
     圖4-8 報酬與殘差之直方圖-----4-12
     圖5-1 各國股價指數及報酬資料之直方圖與時間序列圖-----5-2
     圖5-2 報酬資料及其平方之ACF-----5-4
     圖5-3 標準殘差之Q-Q Plot-----5-5
     圖5-4 各VaR模型之比較─非條件與條件(日本)顯著水準為0.05-----5-8
     圖5-5 各VaR模型之比較─非條件與條件(日本)顯著水準為0.01-----5-8
     圖5-6 各VaR模型之比較─非條件下(日本)-----5-9
     圖5-7 各VaR模型之比較─條件下(日本)-----5-9
     圖5-8 各VaR模型之比較─非條件與條件(日本)-----5-9
     圖5-9 估計波動度序列圖(美國)-----5-11
     圖5-10 各VaR模型之比較─非條件與條件(美國)-----5-11
     
     表目錄
     表4-1 VaR估計模擬比較─資料獨立-----4-2
     表4-2 VaR估計模擬比較─資料序列相關-----4-6
     表4-3 VaR估計模擬比較─各類拔靴法-----4-9
     表5-1 各股價指數日報酬率之基本統計-----5-1
     表5-2 移動視窗漏損比例與二項試驗之評估-----5-7
     表5-3 模型參數估計彙整-----5-10
zh_TW
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#A2010000393en_US
dc.subject (關鍵詞) 風險值zh_TW
dc.subject (關鍵詞) 拔靴法zh_TW
dc.subject (關鍵詞) 厚尾高峰zh_TW
dc.subject (關鍵詞) 異質變異zh_TW
dc.subject (關鍵詞) GARCHen_US
dc.subject (關鍵詞) GARCH Bootstrapen_US
dc.title (題名) 以條件拔靴法估計VaR之探討zh_TW
dc.type (資料類型) thesisen_US
dc.relation.reference (參考文獻) 一、國外部份
     1.Alexander, C. O. and Leigh, C. T., 1997. "On the Covariance Matrics Used in Value at Risk Models," The Journal of Derivatives. Vol:4 Number3, pp.50-62.
     2.Bollerslev,T., 1986. "Generalized Autoregressive Conditional Hetero-scedasticity", Journal of Econometrics, V31, pp.307-327.
     3.Barone-Adesi, G., Giannopoulos K. and Vosper L., 1999 "VaR Without Correlations for Portfolios of Derivative Securities", Journal of Futures Markets 19 (April), pp.583-602.
     4.Duffie, Darrell and Pan, Jun 1997. “An Overview of Value at Risk.” The Journal of Derivatives, spring, pp.7-49.
     5.Davidson, A.C. and Hinkley, D.V., 1997. Bootstrap Methods and their application, Cambridge University Press.
     6.Efron, B. and Tibshirane, R.J., 1993. An Introduction to Bootstrap,Chapman & Hall.
     7.Hendricks, D., 1996. "Evaluation of Value at Risk Models Using Historical Data", Economics Policy Review, pp.39-70.
     8.Hull, J. and White, A., 1998. "Incorporating Volatility Updating into the Historical Simulation Method for Value at Risk", Journal of Risk, Fall.
     9.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 Financial, Autumn.
     10.Jorion, P., 1997. "Value at risk: the new benchmark for controlling market risk”, The McGraw-Hill Companies. Inc. Publication.
     二、國內部份
     1.江義玄(2000),「投資組合之風險評價:新模擬方法的運用」,國立政治大學企業管理研究所碩士論文。
     2.李進生 等(2001),風險管理:風險值(VaR)理論與應用,台北:清蔚。
     3.張士杰(1999),「運用拔靴複製法構建VaR 估計量之分配」,銘傳大學金融研究所碩士論文。
     4.蒲建亨(2001),「整合VaR法之衡量與驗證~以台灣金融市場投資組合為例」,國立政治大學國際貿易研究所碩士論文。
zh_TW