| dc.contributor.advisor | 蔡政憲 | zh_TW |
| dc.contributor.author (Authors) | 劉佳卿 | zh_TW |
| dc.creator (作者) | 劉佳卿 | zh_TW |
| dc.date (日期) | 2016 | en_US |
| dc.date.accessioned | 1-Sep-2016 23:48:00 (UTC+8) | - |
| dc.date.available | 1-Sep-2016 23:48:00 (UTC+8) | - |
| dc.date.issued (上傳時間) | 1-Sep-2016 23:48:00 (UTC+8) | - |
| dc.identifier (Other Identifiers) | G0103358021 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/101087 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 風險管理與保險研究所 | zh_TW |
| dc.description (描述) | 103358021 | zh_TW |
| dc.description.abstract (摘要) | 過去針對動態相關係數的模擬多是固定條件相關(Constant Conditional Correlation; CCC)模型或動態條件相關(Dynamic Conditional Correlation; DCC)模型，且大多只針對權益風險相關係數。 本研究參照台灣RBC之C1風險與EIOPA (2014)對Solvency II的規範「The underlying assumptions in the standard formula for the Solvency Capital Requirement calculation」，針對市場風險：權益風險、利率風險、外匯風險，探討各類別間的相關係數是否顯著具動態性質。首先以Orthogonal-GARCH(O-GARCH)模型，對各個風險因子配適單變量的時間序列模型，此方法除了可縮減資料維度，也可改善多變量時間模型估計較不精準的問題。最後，以蒙地卡羅模擬出的動態相關係數情境，與原始非條件相關係數做比較。結果顯示許多相關係數顯著為動態序列，因此推斷保險公司的市場風險衡量，採用動態相關係數較為準確，更能符合保險監理本質。 | zh_TW |
| dc.description.tableofcontents | 第一章 緒論7第一節 研究動機與目的7第二節 研究架構8第二章 文獻回顧9第三章 資料說明與研究方法11第一節 資料說明11一、權益風險間相關係數11二、外匯風險間相關係數13三、利率風險間相關係數14第二節 研究方法16一、單根檢定17二、主成分分析17三、時間序列模型18四、Orthogonal-GARCH 模型20第四章 實證結果與分析22第一節 敘述性統計分析與單根檢定22第二節 O-GARCH模型的建立22一、主成分分析22二、時間序列模型23第三節 動態相關係數實證分析27一、權益風險股票指數報酬率間相關係數 27二、權益風險其他指數報酬率間相關係數 28三、外匯風險亞洲或開發中國家之匯率指數報酬率間相關係數 29四、外匯風險歐洲已開發中國家之匯率指數報酬率間相關係數 30五、利率風險美國公債殖利率間相關係數 31六、利率風險英國公債殖利率間相關係數 32七、利率風險德國公債殖利率間相關係數 33第五章 結論與建議 35第一節 結論35第二節 建議36參考文獻37附錄39【附錄A】各類風險因子代碼39【附錄B】各類別非動態相關係數41【附錄C】各類別風險因子敘述性統計量與單根檢定結果44【附錄D】各類別風險因子所萃取之主成分因子49【附錄E】時間序列模型配適64 | zh_TW |
| dc.format.extent | 1139482 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0103358021 | en_US |
| dc.subject (關鍵詞) | 動態相關係數 | zh_TW |
| dc.subject (關鍵詞) | 蒙地卡羅模擬 | zh_TW |
| dc.subject (關鍵詞) | Orthogonal-GARCH | en_US |
| dc.title (題名) | 台灣保險業資產風險動態相關係數之探討 | zh_TW |
| dc.title (題名) | The study on the dynamic correlation coefficients among the assets held by the insurance companies in Taiwan | en_US |
| dc.type (資料類型) | thesis | en_US |
| dc.relation.reference (參考文獻) | 1.王明進、陳奇志，(2006)。基於獨立成分分解的多元波動率模型。管理科學學報，9(5)，頁56-64。2.吳俊伯(2009)。中國人民幣與亞洲四小龍貨幣的無本金交割遠期外匯之動態相關係數分析。國立政治大學，經濟學研究所，台北。3.洪儒瑤、古永嘉、康健廷，(2006)。ARMA-GARCH 風險值模型預測績效實證。中華技術學院學報，34，頁13-35。4.洪熾賢(2010)。台股MSCI指數與國際股價指數動態波動性研究。國立中山大學，財務管理研究所，高雄。5.張瑄(2010)。金融商品報酬率之類別動態相關係數探討。國立台北大學，統計學研究所，台北。6. 陳旭昇，(2007)。時間序列分析—總體經濟與財務金融之應用。台北：東華書局。7.陳育偉(2007)。市場風險因子情境產生方法之研究。國立政治大學，資訊管理研究所，台北。8.陳景祥，(2010)。R 軟體: 應用統計方法。台北：東華書局。9.曾于芳(2010)。台灣保險業資產風險係數之探討。國立政治大學，風險管理與保險研究所，台北。10.楊亦農，(2009)。時間序列分析：經濟與財務上之應用。台北，雙葉書廊。11.劉志東、薛莉，(2010)。金融市場高維波動率的擴展廣義正交 GARCH模型與參數估計方法研究。中國管理科學，18(6)，頁33-41。12.Alexander, C. (2001). Orthogonal garch, Mastering risk, 2, p21-38.13.Engle, R.F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models, Journal of Business & Economic Statistics, 20(3), p339-350.14.Hsieh, M. H., Kuo, W., Li, Y. C., & Tsai, C.(2014). Generating Economics Scenarios for the Long-Term Solvency Assessment of Life Insurance Companies, The Orthogonal ARMA-GARCH Method.15.Van der Weide, R. (2002). GO‐GARCH: a multivariate generalized orthogonal GARCH model, Journal of Applied Econometrics, 17(5), p549-564. | zh_TW |
