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 投資組合之風險評價：新模擬方法的應用
作者 江義玄
Chiang, I-Hsuan
貢獻者 管中閔<br>于卓民
Kuan, Chung-Ming<br>Joseph Yu, Chwo-Ming
江義玄
Chiang, I-Hsuan
關鍵詞 涉險值
拔靴帶法
移動區塊拔靴帶法
定態拔靴帶法
風險管理
市場風險
Value-at-Risk
bootstrap
moving block bootstrap
stationary bootstrap
risk management
market risk
日期 2000
上傳時間 31-Mar-2016 13:27:11 (UTC+8)
摘要 本文首次提出應用新的模擬方法：定態(stationary) bootstrap來估計涉險值(Value-at-Risk, 以下簡稱VaR)。VaR是衡量投資組合市場風險(market risk)的工具，由於1990年代以來國際間對市場風險管理的重視，且VaR較傳統風險衡量指標容易瞭解，又考慮整個投資組合資產間相關性降低風險的效果，加上VaR可作為企業內控、主管機關監督、以及投資人評估企業營運狀況等指標，故已廣為實務界及學界所接受。目前幾種主要衡量VaR的方法，包括變異數—共變數法、歷史模擬法、蒙地卡羅模擬法、classical bootstrap法以及壓力測試法等，各有其假設限制及優缺點。其中，classical bootstrap在衡量VaR時，使用的假設比較少，似乎非常適合衡量VaR。但是classical bootstrap會割裂了資料自我相關的性質，較適用於獨立且相同分配的樣本。我們在本文中介紹修正classical bootstrap的方法：移動區塊(moving block) bootstrap以及定態bootstrap，並利用統計模擬的方式證明定態bootstrap適合用於時間序列資料，對於捕捉真實分配的能力很強。接著我們選取11檔上市公司股票建構投資組合，並利用classical bootstrap以及定態bootstrap來衡量1999年共266個交易日的VaR。實證結果支持定態bootstrap能夠正確地衡量VaR，且其結果與classical bootstrap有明顯的不同。定態bootstrap法是個比較合理的衡量VaR方法，因此，我們建議風險管理者可採用定態bootstrap 衡量VaR。
參考文獻 [1] 吳壽山，王甡與許孟方 (1999),《證券商市場風險管理之研究》，台北：證券暨期貨市場發展基金會。
[2] 呂自勇 (1997),《金融資產投資組合風險值衡量--以台灣股市債市投資組合為例》，中央大學財務管理研究所碩士論文。
[3] 宋文仁 (1998),《投資組合之關連度分析與使用 Value-at-Risk 模型衡量其市場風險》，中原大學企業管理研究所碩士論文。
[4] 唐正儀 (1998),《銀行風險性資產之市場風險值估測--以自有模型法分析》，暨南國際大學經濟學研究所碩士論文。
[5] 翁俊煜 (1997),《VAR 在建立市場風險管理系統上的實行步驟與作用》，輔仁大學金融研究所碩士論文。
[6] 黃卉芊 (1998),《臺灣股匯市投資組合風險值之計算與評估》，中央大學財務管理研究所碩士論文。
[7] 謝劍平 (1998),《現代投資學：分析與管理》，台北：智勝文化。
[8] Beder, T. S. (1995), VAR: Seductive but Dangerous, Financial Analysts Journal, Sep-Oct, 12-24.
[9] Best, P. (1998), Implementing Value at Risk, New York: John Wiley & Sons.
[10] Dowd, K. (1998), Beyond Value at Risk: The New Science of Risk Management, New York: John Wiley & Sons.
[11] Efron, B. and R. J. Tibshirani (1993), An Introduction to the Bootstrap, New York: Chapman & Hall.
[12] Efron, B. (1979), Bootstrap Methods: Another Look at the Jackknife, The Annals of Statistics, Vol. 7, 1-26.
[13] Elliot, R. J. and P. E. Kopp (1999), Mathematics for Financial Markets, New York: Springer.
[14] Enders, W. (1995), Applied Econometric Time Series, New York: John Wiley & Sons.
[15] Hendricks, D. (1996), Evaluation of Value-at-Risk Models Using Historical Data, FRBNY Economic Policy Review, Apr., 39-69.
[16] J. P. Morgan and Reuters (1996), RiskMetrics - Technical Document, 4th ed., http://www.riskmetrics.com/index.cgi.
[17] Jorion, P. (1997), Value at Risk: The New Benchmark for Controlling Market Risk, Chicago, IL: Irwin.
[18] Jorion, P. and S. J. Khoury (1996), Financial Risk Management: Domestic and International Dimensions, Cambridge, MA: Blackwell Publishers.
[19] Kunsch, H. R. (1989), The Jackknife and the Bootstrap for the General Stationary Observations, The Annals of Statistics, Vol. 17, 1217-1241.
[20] Kupiec, P. H. (1995), Techniques for Verifying the Accuracy of Risk Measurement Models, The Journal of Derivatives, Winter, 73-84.
[21] Liu, R. Y. and K. Singh (1992), Moving Blocks and Bootstrap Capture Weak Dependence, Exploring the Limits of Bootstrap, New York: John Wiley & Sons.
[22] Politis, D. N. and J. P. Romano (1992), A General Resampling Scheme for Triangular Arrays of α-mixing Random Variables with Application to the Problem of Spectral Density Estimation, The Annals of Statistics, Vol. 20, 1985-2007.
[23] Politis, D. N. and J. P. Romano (1994), The Stationary Bootstrap, Journal of American Statistical Association, Dec., Vol. 89, 1303-1313.
[24] Sharpe, W. F., G. J. Alexander and J. V. Bailey (1999), Investments, 6th ed., Englewood Cliffs, NJ: Prentice Hall.
[25] Smithson C. W. (1998), Managing Financial Risk: A Guide to Derivative Products, Financial Engineering, and Value Maximization, 3rd ed., New York: McGraw-Hill.
[26] Vazquez-Abad F. J. and Y. Champoux (1998), SimSpiders: Generation of Random Variables, http://www.ee.mu.oz.au/staff/fva/SimSpiders/GenerRV/Methods.html.
描述 碩士
國立政治大學
企業管理學系
87355063
資料來源 http://thesis.lib.nccu.edu.tw/record/#A2002002170
資料類型 thesis
dc.contributor.advisor 管中閔<br>于卓民zh_TW
dc.contributor.advisor Kuan, Chung-Ming<br>Joseph Yu, Chwo-Mingen_US
dc.contributor.author (Authors) 江義玄zh_TW
dc.contributor.author (Authors) Chiang, I-Hsuanen_US
dc.creator (作者) 江義玄zh_TW
dc.creator (作者) Chiang, I-Hsuanen_US
dc.date (日期) 2000en_US
dc.date.accessioned 31-Mar-2016 13:27:11 (UTC+8)-
dc.date.available 31-Mar-2016 13:27:11 (UTC+8)-
dc.date.issued (上傳時間) 31-Mar-2016 13:27:11 (UTC+8)-
dc.identifier (Other Identifiers) A2002002170en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/83174-
dc.description (描述) 碩士zh_TW
dc.description (描述) 國立政治大學zh_TW
dc.description (描述) 企業管理學系zh_TW
dc.description (描述) 87355063zh_TW
dc.description.abstract (摘要) 本文首次提出應用新的模擬方法：定態(stationary) bootstrap來估計涉險值(Value-at-Risk, 以下簡稱VaR)。VaR是衡量投資組合市場風險(market risk)的工具，由於1990年代以來國際間對市場風險管理的重視，且VaR較傳統風險衡量指標容易瞭解，又考慮整個投資組合資產間相關性降低風險的效果，加上VaR可作為企業內控、主管機關監督、以及投資人評估企業營運狀況等指標，故已廣為實務界及學界所接受。目前幾種主要衡量VaR的方法，包括變異數—共變數法、歷史模擬法、蒙地卡羅模擬法、classical bootstrap法以及壓力測試法等，各有其假設限制及優缺點。其中，classical bootstrap在衡量VaR時，使用的假設比較少，似乎非常適合衡量VaR。但是classical bootstrap會割裂了資料自我相關的性質，較適用於獨立且相同分配的樣本。我們在本文中介紹修正classical bootstrap的方法：移動區塊(moving block) bootstrap以及定態bootstrap，並利用統計模擬的方式證明定態bootstrap適合用於時間序列資料，對於捕捉真實分配的能力很強。接著我們選取11檔上市公司股票建構投資組合，並利用classical bootstrap以及定態bootstrap來衡量1999年共266個交易日的VaR。實證結果支持定態bootstrap能夠正確地衡量VaR，且其結果與classical bootstrap有明顯的不同。定態bootstrap法是個比較合理的衡量VaR方法，因此，我們建議風險管理者可採用定態bootstrap 衡量VaR。zh_TW
dc.description.tableofcontents 封面頁
證明書
致謝詞
論文摘要
目錄
表目錄
1 緒論
1.1 風險的意義
1.2 財務風險
1.3 風險管理
1.4 風險管理規範的演進
1.5 研究目的與架構
2 VaR 與傳統衡量指標的比較
2.1 傳統的風險衡量方式
2.1.1 利率敏感度的指標
2.1.2 以選擇權為基礎的敏感度衡量
2.1.3 傳統風險衡量方式的缺失
2.2 VaR: 定義與參數選擇
2.3 VaR 的優點與限制
3 VaR 的衡量
3.1 計算投資組合 VaR
3.2 衡量 VaR 的模型
3.2.1 變異數—共變數法
3.2.2 歷史模擬法
3.2.3 蒙地卡羅模擬法
3.2.4 Classical Bootstrap 法
3.2.5 壓力測試
3.3 VaR 估計值正確性之驗證
3.4 相關實證結果
3.5 VaR 模型的比較
4 新模擬方法
4.1 移動區塊 Bootstrap
4.2 定態 Bootstrap
4.3 三種 Bootstrap 方法的比較
4.3.1 AR(1) 模型
4.3.2 模擬情境
4.3.3 模擬結果
4.3.4 模擬結果總結
5 台灣股市投資組合風險模擬
5.1 VaR 模擬情境
5.2 實證結果
6 結論
參考文獻		zh_TW
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#A2002002170en_US
dc.subject (關鍵詞) 涉險值zh_TW
dc.subject (關鍵詞) 拔靴帶法zh_TW
dc.subject (關鍵詞) 移動區塊拔靴帶法zh_TW
dc.subject (關鍵詞) 定態拔靴帶法zh_TW
dc.subject (關鍵詞) 風險管理zh_TW
dc.subject (關鍵詞) 市場風險zh_TW
dc.subject (關鍵詞) Value-at-Risken_US
dc.subject (關鍵詞) bootstrapen_US
dc.subject (關鍵詞) moving block bootstrapen_US
dc.subject (關鍵詞) stationary bootstrapen_US
dc.subject (關鍵詞) risk managementen_US
dc.subject (關鍵詞) market risken_US
dc.title (題名) 投資組合之風險評價：新模擬方法的應用zh_TW
dc.type (資料類型) thesisen_US
dc.relation.reference (參考文獻) [1] 吳壽山，王甡與許孟方 (1999),《證券商市場風險管理之研究》，台北：證券暨期貨市場發展基金會。
[2] 呂自勇 (1997),《金融資產投資組合風險值衡量--以台灣股市債市投資組合為例》，中央大學財務管理研究所碩士論文。
[3] 宋文仁 (1998),《投資組合之關連度分析與使用 Value-at-Risk 模型衡量其市場風險》，中原大學企業管理研究所碩士論文。
[4] 唐正儀 (1998),《銀行風險性資產之市場風險值估測--以自有模型法分析》，暨南國際大學經濟學研究所碩士論文。
[5] 翁俊煜 (1997),《VAR 在建立市場風險管理系統上的實行步驟與作用》，輔仁大學金融研究所碩士論文。
[6] 黃卉芊 (1998),《臺灣股匯市投資組合風險值之計算與評估》，中央大學財務管理研究所碩士論文。
[7] 謝劍平 (1998),《現代投資學：分析與管理》，台北：智勝文化。
[8] Beder, T. S. (1995), VAR: Seductive but Dangerous, Financial Analysts Journal, Sep-Oct, 12-24.
[9] Best, P. (1998), Implementing Value at Risk, New York: John Wiley & Sons.
[10] Dowd, K. (1998), Beyond Value at Risk: The New Science of Risk Management, New York: John Wiley & Sons.
[11] Efron, B. and R. J. Tibshirani (1993), An Introduction to the Bootstrap, New York: Chapman & Hall.
[12] Efron, B. (1979), Bootstrap Methods: Another Look at the Jackknife, The Annals of Statistics, Vol. 7, 1-26.
[13] Elliot, R. J. and P. E. Kopp (1999), Mathematics for Financial Markets, New York: Springer.
[14] Enders, W. (1995), Applied Econometric Time Series, New York: John Wiley & Sons.
[15] Hendricks, D. (1996), Evaluation of Value-at-Risk Models Using Historical Data, FRBNY Economic Policy Review, Apr., 39-69.
[16] J. P. Morgan and Reuters (1996), RiskMetrics - Technical Document, 4th ed., http://www.riskmetrics.com/index.cgi.
[17] Jorion, P. (1997), Value at Risk: The New Benchmark for Controlling Market Risk, Chicago, IL: Irwin.
[18] Jorion, P. and S. J. Khoury (1996), Financial Risk Management: Domestic and International Dimensions, Cambridge, MA: Blackwell Publishers.
[19] Kunsch, H. R. (1989), The Jackknife and the Bootstrap for the General Stationary Observations, The Annals of Statistics, Vol. 17, 1217-1241.
[20] Kupiec, P. H. (1995), Techniques for Verifying the Accuracy of Risk Measurement Models, The Journal of Derivatives, Winter, 73-84.
[21] Liu, R. Y. and K. Singh (1992), Moving Blocks and Bootstrap Capture Weak Dependence, Exploring the Limits of Bootstrap, New York: John Wiley & Sons.
[22] Politis, D. N. and J. P. Romano (1992), A General Resampling Scheme for Triangular Arrays of α-mixing Random Variables with Application to the Problem of Spectral Density Estimation, The Annals of Statistics, Vol. 20, 1985-2007.
[23] Politis, D. N. and J. P. Romano (1994), The Stationary Bootstrap, Journal of American Statistical Association, Dec., Vol. 89, 1303-1313.
[24] Sharpe, W. F., G. J. Alexander and J. V. Bailey (1999), Investments, 6th ed., Englewood Cliffs, NJ: Prentice Hall.
[25] Smithson C. W. (1998), Managing Financial Risk: A Guide to Derivative Products, Financial Engineering, and Value Maximization, 3rd ed., New York: McGraw-Hill.
[26] Vazquez-Abad F. J. and Y. Champoux (1998), SimSpiders: Generation of Random Variables, http://www.ee.mu.oz.au/staff/fva/SimSpiders/GenerRV/Methods.html.		zh_TW