股價指數期貨市場上的動態避險策略研究｜國立清華大學博碩士論文庫

簡易檢索 / 詳目顯示

回結果列表

研究生：	鄭秉穆 TEY PENG MOK
論文名稱：	股價指數期貨市場上的動態避險策略研究 COMPARISON OF DIFFERENT DYNAMICAL HEDGING STRATEGIES IN STOCK INDEX FUTURES MARKET
指導教授：	周若珍 Rouh-Jane Chou
口試委員:
學位類別：	碩士 Master
系所名稱：	理學院 - 統計學研究所 Institute of Statistics
畢業學年度：	87
語文別：	中文
論文頁數：	43
中文關鍵詞：	動態避險、廣義異質條件變異模型、不對稱式廣義異質條件變異模型、最佳避險比率、共整合、誤差修正表示式
外文關鍵詞：	DYNAMICAL HEDGING, GARCH, ASYMMETRIC GARCH, OPTIMAL HEDGE RATIO, COINTEGRATION, ERROR CORRECTION REPRESENTATION
相關次數：	點閱：83 下載：0
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

為了有效的轉移風險，評估最適避險比率的問題一直是期貨市場上主要的議題之一。Kroner(1993)把GARCH模型應用在外匯市場求最適避險比率的問題上，發現該動態避險策略有較其他模型更佳的效果，Park(1995)後來把同樣的方法用在S&P500和多倫多指數期貨上亦得到類似的結論。近年ARCH模型已有不少人給于修正，其中一個主要的改變就是使其條件變異數對好消息(positive innovation)與壞消息(negative innovaton)有不對稱的影晌，發現如此可更好的解釋市場上的現象。本文結合不對稱型的GARCH及Kroner的方法，看看在台灣及附近國家的指數期貨市場上能否達到更佳的避險效果。結果發現在S&P500、恆生、Nikkei225、吉隆坡指數和摩根台指這五個期貨市場上，不對稱型的GARCH均較能減少避險組合在樣本內的變異。做樣本外的預測時，不對稱型的GARCH能在摩根台指期貨市場上較其他模型減少百份之十六以上的風險。但在其他四個市場中，異質變異模型則沒有較佳的預測能力。

摘要 i
誌謝 ii

目錄 iii

表列 iv

圖列 v

第一章     緒論      1

1  研究背景與動機  1

2  研究目的        2

3  論文內容概述    2

第二章     文獻探討  3

1 股價指數期貨簡介 3

2 股價指數期貨的避險功能   5

3 期貨避險之目的   5

3.1消除風險(Risk elimination)      6

3.2追求利潤極大化(Profit maximization)     6

3.3追求風險極小化(Risk minimization)       7

3.4追求最大之效用(Utility maximization)    8

4 股價指數期貨的避險理論   9

4.1簡單避險策略(Naive Hedge)       9

4.2普通迴歸避險策略(Ordinary Least Square Hedge)   10

4.3二維異質條件變異誤差修正模型(Bivariate GARCH with Error Correction Term)        11

第三章     研究方法  15

1   時間序列之單根(Unit Root)      15

1.1 單根之檢定     16

2 共整合時間序列(Cointegrated Time Series)         19

2.1 共整合之檢定   19

3 異質條件變異模型(AutoRegressive Conditional Heteroscadascity, ARCH)      19

3.1 ARCH檢定       20

4 不對稱廣義異質條件變異模型(Asymmetric Generalized AutoRegressive Conditional Heteroscadascity, AGARCH)   20

4.1 不對稱GARCH檢定        21

5 避險效果之衡量   22

第四章     實證結果  23

1 資料來源及處理   23

2 資料之基本統計量 27

3 各模式的估計量及避險效果比較     29

第五章     結論與建議        37

1 結論     37

2 研究限制 38

參考文獻     39

錄附1共整合序列之誤差修正表示式      40

參考文獻
[1] Berndt,E.,Hall,B.,Hall,R.,and Hausman,J. 1974, "Estimation and inference in nonlinear structural models". Annals of Economic and Social Measurement 3:653-665.
[2] Bollerslev,T.;R.Chou;and K.F Kroner.1992. "ARCH Modelling in Finance: A Review of the theory and Empirical Evident",Journal of Econometrics,52,5-59.
[3] Engle, R. F,and Victor K. Ng, 1993,Measuring and Testing the Impact of News on Volatility, Journal of Finance, Vol XLVIII, No 5,1749-1778.
[4] Engle, R. F, 1982, Autoregressive conditional heteroskedasticity with estimates of the variance of U.K inflation, Econometrica 50,987-1008
[5] Engle, R.F,1990,"Discussion: Stock Market Volatility and the crash of 1987", Review of Financial Studies3,103-106.
[6] Glosten,L.;R. Jagannathan, and D.Runkle, 1993, "Relationship between the expected value and the volatility of the nominal excess return on stocks", Journal of Finance 48, 1779-1801.
[7] Hamilton, J.D. Time Series Analysis. Princeton University Press. ISBN 0-691-04289-6.
[8] Ｋroner,Kenneth F., and Sultan,Jahangir 1993, "Time-Varying Distributions and Dynamic Hedging with Foreign Currency Futures",Journal of Financial and Quantitative Analysis,Dec, 535-551.
[9] Nelson, D.,1990, "Conditional heteroskedasticity in asset returns:A new approach", Econometrica 59,347-370.
[10] Park, T.H, and Switzer ,L.N. 1995"Bivariate GARCH Estimation of the Optimal Hedge Ratios for Stock Index Futures: A Note", Journal of Futures Markets, Vol 15, No 1, 61-67.
[11] Stock, James H,1993 "Unit Root and Trend Breaks", in Robert Engle and Daniel McFadden, eds., Handbook of Econometrics,Vol 4.,Amsterdam;North-Holland.
[12] 江文強，1997，"股價指數期貨避險效果之研究"，交大管科所碩士論文。

全文公開日期本全文未授權公開 (校內網路)

全文公開日期本全文未授權公開 (國家圖書館：臺灣博碩士論文系統)

簡易檢索 / 詳目顯示

相關論文