1. NCCU Academic Hub
  2. Publications
  3. College of Commerce
  4. Theses
  5. Item

Publications-Theses

Article View/Open

Publication Export

Google ScholarTM

NCCU Library

Citation Infomation

Related Publications in TAIR

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