在DVEC-GARCH模型下風險值的計算與實證研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：19

、訪客IP：3.139.72.109

姓名

曹展誌(Jhan-Jhih Cao) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

在DVEC-GARCH模型下風險值的計算與實證研究
(Evaluation and Empirical Study for Value at Risk Based on the DVEC-GARCH Model)

相關論文

★ SABR模型下使用遠期及選擇權資料的參數估計	★ 台灣指數上的股價報酬預測性
★ 台灣股票在alpha-TEV frontier上的投資組合探討與推廣	★ On Jump Risk of Liquidation in Limit Order Book
★ 結構型商品之創新、評價與分析	★ 具有厚尾殘差下有效地可預測性檢定
★ A Dynamic Rebalancing Strategy for Portfolio Allocation	★ A Multivariate Markov Switching Model for Portfolio Optimization
★ 漸進最佳變點偵測在金融科技網路安全之分析	★ Reducing forecasting error under hidden markov model by recurrent neural networks
★ Empirical Evidences for Correlated Defaults	★ 金融市場結構轉換次數的偵測
★ 重點重覆抽樣下拔靴法估計風險值-以台泥華碩股票為例	★ 資產不對稱性波動參數的誤差估計與探討
★ 公司營運狀況與員工股票選擇權之關係	★ 結合買權改進IGARCH模型之參數估計

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

近年來，風險管理成為一門重要的議題，而風險值乃是用來衡量市場風險的一個指標。本文將會比較由 Delta-Noraml 近似法、Delta-Gamma 近似法、蒙地卡羅模擬法、歷史模擬法所計算出之風險值之準確性與保守性，進一步配合有母數及無母數的 Bootstrap 重複抽樣法，試圖提升所估計之風險值的準確性。選定台灣的股票市場作為實證研究的對象，自台灣經濟新報取得12檔股票兩年的歷史收盤價，透過文中提及之方法來計算風險值，進一步評估各方法的準確性與保守性。
在估計風險值的過程中，波動性的估計是必要的，在此使用兩種方法：均等權重移動平均法和加權指數移動平均法。在針對 DVEC-GARCH 模型的模擬研究結果中，這兩種波動性估計方法沒有明顯的差異；然而，實證研究的結果卻顯現出使用指數加權移動平均法估計波動性的方法準確性較高，較能符合實際情況。普遍來說，有使用 Bootstrap 重複抽樣法來計算風險值的方法會比沒有使用的來的好，且就平均相對偏差（mean relative bias, MRB）而言，使用無母數 Bootstrap 重複抽樣法的估計法會顯得保守許多，所以本文最後建議使用者在本文模型下採用無母數 Bootstrap 重複抽樣法配合Delta-Normal 近似法來估計風險值。

摘要(英)

In recent years, risk management has become an important topic, and value at risk (VaR) is a powerful tool for assessing market risk. This research adopts four methods, including the delta-noraml approximation, the delta-gamma approximation, the Monte Carlo simulation method and the historical simulation method to obtain the measures of accuracy and conservatism. Together with parametric and nonparametric bootstrap resampling methods, we further make valid improvements in estimation of VaR. An empirical study applying historical stock closing prices of twelve Taiwan companies over the past two years is provided to compare the performance of each approach.
In the process of estimating VaR, two methods, equally weighted moving average and exponentially weighted moving-average (EWMA), are applied to estimate the volatility, which is necessary. According to simulation studies with data generated based on the DVEC-GARCH model, there does not appear to be signi?cant difference in outcomes between both. However, empirical studies show that estimating volatility via the EWMA method achieves higher accuracy and applicability. In general, it is improved to employ the bootstrap resmalping method, and in view of the mean relative bias (MRB), we have a more conservative conclusion with a nonparametric bootstrap method. As a result, using the delta-normal approximation method to estimate VaR along with nonparametric bootstrapping is recommendable in this research.

關鍵字(中)

★ DVEC-GARCH模型
★ Delta-Gamma 近似法
★ Delta-Normal 近似法
★ 風險值
★ 蒙地卡羅模擬法
★ Bootstrap 重複抽樣法
★ 歷史模擬法

關鍵字(英)

★ value at risk
★ VaR
★ delta-normal approximation
★ delta-gamma approximation
★ Monte Carlo simulation
★ historical simulation
★ bootstrap method
★ DVEC-GARCH model

論文目次

中文摘要　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　i
英文摘要　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. ii
誌謝　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. iii
目錄　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　iv
表目錄.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　vi
圖目錄.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. vii
符號說明.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. viii
一、緒論.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　 1
二、文獻回顧.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　3
　2-1 風險值之意義.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　3
　2-2 計算風險值的方法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 5
三、研究方法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　8
　3-1 風險值的模型與估計方法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 8
　3-1-1 Delta-Normal 近似法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 11
　3-1-2 Delta-Gamma 近似法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　12
　3-1-3 蒙地卡羅模擬法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.15
　3-1-4 歷史模擬法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 16
　3-2 波動性的估計.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 16
　3-2-1 均等權重移動平均法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　17
　3-2-2 指數加權移動平均法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　17
　3-3 提高估計風險值之準確性的方法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.18
　3-3-1 無母數的Bootstrap重複抽樣法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　18
　3-3-2 有母數的Bootstrap重複抽樣法.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　19
　3-4 風險值的驗證.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 20
　3-4-1 準確性衡量.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 20
　3-4-2 保守性衡量.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 21
四、模擬與實證研究.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 23
　4-1 各種風險值計算方法之比較.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　. 23
　4-1-1 模型設定與資料模擬.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　24
　4-1-2 模擬結果與比較.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.25
　4-2 實證研究.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　30
五、結論與建議.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　33
參考文獻.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　.　34

參考文獻

[1] T. Bollerslev, R. F. Engle, and J. M. Wooldridge, “A capital asset pricing model with time-varying covariances,” Journal of Political Economy, vol. 96, no. 1, pp. 116–131, Feb. 1988.
[2] M. Choudhry and K. Tanna, An Introduction to Value-at-Risk, 4th ed. JohnWiley, 2006.
[3] E. A. Cornish and R. A. Fisher, “Moments and cumulants in the specification of distributions,” Review of the International Statistical Institute, vol. 5, pp. 307–320, 1937.
[4] K. Dowd, Measuring market risk. J. Wiley, 2002.
[5] J.-C. Duan, “The GARCH option pricing model,” Mathematical Finance, vol. 5, no. 1, pp. 13–32, 1995.
[6] D. Duffie and J. Pan, “An overview of value at risk,” Journal of Derivatives, vol. 4, no. 3, pp. 7–49, 1997.
[7] B. Efron, “Bootstrap methods: another look at the jackknife,” The Annals of Statistics, vol. 7, no. 1, pp. 1–26, 1979.
[8] S. Grayling, Ed., VAR : Understanding and Applying Value-at-Risk. Risk Publications, 1997, collection of papers published jointly by KPMG and the publishers of Risk.
[9] D. Hendricks, “Evaluation of value-at-risk models using historical data,” Economic Policy Review, vol. 2, no. 1, pp. 39–70, Apr. 1996.
[10] G. A. Holton, Value-at-Risk : theory and practice. Boston: Academic Press, 2003.
[11] S. R. Jaschke, “The cornish-fisher expansion in the context of delta-gamma-normal approximations,” The Journal of Risk, vol. 4, no. 4, pp. 33–52, 2002.
[12] P. Jorion, Value at Risk: The New Benchmark for Controlling Market Risk. McGraw-Hill, 1997.
[13] P. H. Kupiec, “Techniques for verifying the accuracy of risk measurement models,” The Journal of Derivatives, vol. 3, no. 2, pp. 73–84, 1995.
[14] J. Longerstaey and L. More, Introduction to RiskMetrics?, 4th ed., Risk Management Services, JP Morgan Guaranty Trust Company, New York, 1995.
[15] J. R. Magnus and H. Neudecker, Matrix differential calculus with applications in statistics and econometrics. J. Wiley, 1988.
[16] B. Schachter. GloriaMundi.org : All About Value at Risk. [Online]. Available: http://www.gloriamundi.org/

指導教授

傅承德(Cheng-Der Fuh)

審核日期

2009-6-22

推文