- About
-
The Global ETD Search service is a free service for researchers
to find electronic theses and dissertations. This service is
provided by the
Networked Digital Library of Theses and Dissertations.
Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
Search results
Showing 1 to 8 of 8 (0.014 seconds)| 1 |
結構型金融商品之實例分析陳姝伶 Unknown Date (has links)
櫃買中心自民國92年7月開放結構型商品業務以來，許多券商陸續推出各種不同的結構型商品，投資人在面對琳瑯滿目的商品時，如何運用可取得的投資工具以滿足本身的投資需求？商品是否真的如同廣告上所說的高報酬？為了了解上述兩個問題，本文選取具代表性的一種股權連結商品：台証「六六大順」，和三種保本型商品：元大「節節勝利保本95%」、寶來「臥虎藏龍看空型」和統一「金價讚」，以回溯測試的方法，從投資人的角度分別對這些商品做分析，驗證其實際的獲利績效。
本研究發現，商品的實際報酬並不如預期的高，反應出投資人在選擇商品時，必須對標的資產未來的走勢有深入的研究，畢竟發行者在設計商品時，已估算過可能的風險、成本，及投資人可能的損失和利得。面對市場上五花八門的結構型商品，投資人在購買前應完全了解商品的結構與特性，且投資人應有高報酬通常伴隨著高風險的觀念，如此才能做出正確的投資選擇。
|
| 2 |
不對稱分配於風險值之應用 - 以台灣股市為例 / An application of asymmetric distribution in value at risk - taking Taiwan stock market as an example沈之元, Shen,Chih-Yuan Unknown Date (has links)
本文以台灣股價加權指數，使用 AR(3)-GJR-GRACH(1,1) 模型，白噪音假設為 Normal 、 Skew-Normal 、 Student t 、 skew-t 、 EPD 、 SEPD 、與 AEPD 等七種分配。著重於兩個部份，(一) Student t 分配一族與 EPD 分配一族在模型配適與風險值估計的比較；(二) 預測風險值區分為低震盪與高震盪兩個區間，比較不同分配在兩區間預測風險值的差異。
實證分析顯示， t 分配一族與 EPD 分配一族配適的結果，無論是只考慮峰態 ( t 分配與 EPD 分配) ，或者加入影響偏態的參數 ( skew-t 分配與 SEPD 分配) ， t 分配一族的配適程度都較 EPD 分配一族為佳。更進一步考慮分配兩尾厚度不同的 AEPD 分配，配適結果為七種分配中最佳。
風險值的估計在低震盪的區間，常態分配與其他厚尾分配皆能通過回溯測試，採用厚尾分配效果不大；在高震盪的區間，左尾風險值回溯測試結果，常態分配與其他厚尾分配皆無法全數通過，但仍以 AEPD 分配為最佳。最後比較損失函數，左尾風險值估計以 AEPD 分配為最佳，右尾風險值則無一致的結果。因此我們認為 AEPD 分配可作為風險管理有用的工具。
|
| 3 |
極值理論在股價指數與匯率之實證研究邱之駿 Unknown Date (has links)
風險值為衡量金融資產風險相當重要的一個工具，但是傳統風險值在計算時有許多不合乎實際狀況的假設，其中針對金融資產報酬率呈常態分配的假設在許多研究中被提出來討論，過去的實證研究中也大多證明資產的報酬率多為厚尾分配，所以如果繼續使用常態分配的假設，勢必會造成某種程度的模型風險，而且會相對低估金融資產的下方風險，所以在後續的研究中有許多針對該分配假設進行修正的理論與模型，極值理論的應用為其中廣為應用的一種。
本論文使用五種風險值模型來估計股價指數與匯率報酬率的風險，分別為：(1)傳統風險值計算中不對分配進行假設的歷史模擬法(2)傳統風險值計算中假設分配為常態的Normal法(3)極值理論中假設分配為一般極值分配的區域極大值法(4)極值理論中假設分配呈柏拉圖分配的超過門檻值法(5)極值理論中假設分配呈T分配的VaR-x法；在實證研究中使用三種期間的實驗窗口，觀察五種模型在面對不同性質的金融資產在預測能力上有何差異，結果證明在短天期之下，因無法抽取足夠代表風險特性的樣本數，風險值估計的預測能力不高，而當抽樣期間過長時又會發生將過多非相關資料納入樣本的缺點，所以風險預測的準確性取決於一個適當樣本長度的選擇，如在本實證中250期實驗窗口所計算出來的風險值的參考價值會高於50日與1000日的估計值；在面對不同的標的資產時，由於股價指數對於漲跌幅的限制與交易量的多寡影響了資產在極端值的分配情況，故極值理論的模型在匯率資產的應用上相對具有效率；由極值理論模型回溯測試的結果發現，模型失敗次數大多小於理論的失敗次數，故可以證明以厚尾分配為假設的極值理論模型相對原始模型，在穩健以及保守的角度上具有較佳的表現。
|
| 4 |
以風險值衡量銀行外匯部位資本之計提陳昀聖, Chen Yun-Sheng Unknown Date (has links)
本論文的目的在比較標準法和風險值法（VaR）於外匯部位資本計提數額上的差異。在VaR法方面，本篇採用變異數-共變異數法、歷史模擬法以及極端值法等三種衡量方法，並利用回溯測試（backtest）對三種方法預測風險的能力做一檢測。標準法是指財政部規定的資本計提標準方法。
本篇論文實證結果發現用VaR法所計提的資本數額是依標準法所需計提數額的一半。也就是說依標準法提列會造成過多的資金成本。另外，從安全性的角度觀之，經過回溯測試，發現採取歷史模擬法或極端值法則是值得信賴的資本計提的方法。反之，變異數-共變異數法會有低估的現象。但因計算極端值法所需要的資料過於龐大，建議使用歷史模擬法，如此相對於標準法將可省下可觀的資金成本。
第一章 研究動機與目的…………………………………1
第二章 國內外資本適足的規定…………………………3
第一節 資本適足規定(BIS)的發展……………………3
第二節 台灣相關法令規定……………………………6
第三章 文獻探討……………………………………… 10
第四章 研究方法與模型……………………………… 14
第一節 VaR模型…………………………………… 14
第二節 回溯測試…………………………………… 24
第五章 實證分析……………………………………… 28
第一節 實證資料介紹……………………………… 28
第二節 實證結果…………………………………… 29
第六章 結論…………………………………………… 42
參考文獻……………………………………………………44
|
| 5 |
直接與間接投資商用不動產風險與績效衡量 / The evaluation of investment risk and performance of commercial real estate market徐偉棋 Unknown Date (has links)
投資決策時，除了關注資產的報酬外，更不可忽略風險。而風險的衡量上，一般常用風險值來衡量投資所面臨的風險，這是由於風險值具有動態管理、量化風險等優點。而國內研究對於不動產風險值的文獻上多以住宅市場為主，對於商用不動產較無著墨，是故本研究欲從不同風險值模型探討投資商用不動產的風險值，並分為直接投資(北市商用不動產)與間接投資(REITs)商用不動產兩個不同次市場。實證結果發現直接投資商用不動產風險值高於間接投資商用不動產。其次，本研究試圖比較靜態與動態風險值模型在估計不動產風險值的行為表現，經回溯測試(Back Testing)檢驗後發現，發現兩個模型衡量不動產風險值時，表現差異性不大。最後，本研究並以夏普績效(Sharp Ratio)來衡量直接投資與間接投資商用不動產的投資績效，研究期間為2007年6月至2009年3月。實證結果發現，直接投資商用不動產在景氣衰退與股市劇跌時具有抗跌性；而間接投資商用不動產則與股市發生同時下跌的現象，此現象可能是我國REITs具有代理問題(Agency Problem)與系統風險(Systematic Risk)等問題所致。因此，本研究建議投資者投資REITs時，應同時考量REITs存在上述的風險與問題，以避免投資上的損失。 / When making investment strategies, aside from considering the return of investment, one cannot ignore the risk factors. In measuring risk, we usually use VaR (Value at Risk) to calculate the risks of investment because, among other reasons, VaR has dynamic and quantifiable advantages. Most of the studies regarding real estate investment risk in Taiwan focus on residential markets; thus, this paper investigates commercial real estate markets using different VaR models to determine the degree of risk, distinguishing further between direct investment markets and indirect investment markets like REITs (Real Estate Investment Trust). The result of this study reveals that direct real estate investment involves higher risks than indirect real estate investment. Furthermore, there was hardly any difference in investment risk when using either static or dynamic VaR models in the computations after using Back Testing. Finally, this study employs Sharp Ratio to calculate commercial real estate investment performance covering the period between June 2007 and March 2009. Direct real estate investment shows firmness during economic downturns or stock market crashes unlike indirect real estate investment like REITs which follows stock market trends. This phenomenon may be due to Agency Problem and Systematic Risk in Taiwan’s REITs market. Therefore this study suggests that when investing in REITs one has to take into account the risks and problems in order to avoid unnecessary investment losses.
|
| 6 |
多維風險分析-實證研究 / Multidimensional risk analysis-demonstration research蘇愛鈴, Su,Ailing Unknown Date (has links)
Fong與Vasicek（1997）提出風險分析應考慮敏感度分析、風險值及壓力測試，才能完整揭露投資組合的風險狀況。其中風險值的計算，不僅考慮二階風險，並且利用三階動差進行偏態修正。本文除了以變異數-共變異數法、歷史模擬法及蒙地卡羅模擬法此三種方法計算風險值，並利用Fong與Vasicek（1997）偏態修正法及Cornish-Fisher偏峰態修正法來做偏態及峰態的修正。而後再利用概似比檢驗法、回溯測試百分比法及Z檢定法作為驗證風險值模型的評比工具。我們建議在95%及99%的信賴水準下，求算風險值可利用Cornish-Fisher所提出的方法修正偏態及峰態。 / Fong and Vasicek (1997) mentioned that risk analysis should include sensitivity analysis, value at risk (VaR) and stress testing, in order to capture portfolio risk. The calculation of VaR should not only consider the second moment but should also adjust the skewness using the third moment. In this article, we determine VaR by employing three methods, the variance covariance, the historical simulation and the Monte Carlo simulation methods. In addition, we also adjust VaR for the skewness and kurtosis using the methods developed by Fong and Vasicek (1997) and Cornish-Fisher. Then, the likelihood ratio test, back testing and the Z-test are used to verify the VaR model. Our final test results suggest that calculating VaR should be adjusted for the skewness and the kurtosis as shown by the method proposed by Cornish Fisher in the 95% and 99% confidence intervals.
|
| 7 |
利用混合模型估計風險值的探討阮建豐 Unknown Date (has links)
風險值大多是在假設資產報酬為常態分配下計算而得的，但是這個假設與實際的資產報酬分配不一致，因為很多研究者都發現實際的資產報酬分配都有厚尾的現象，也就是極端事件的發生機率遠比常態假設要來的高，因此利用常態假設來計算風險值對於真實損失的衡量不是很恰當。
針對這個問題，本論文以歷史模擬法、變異數-共變異數法、混合常態模型來模擬報酬率的分配，並依給定的信賴水準估算出風險值，其中混合常態模型的參數是利用準貝式最大概似估計法及EM演算法來估計；然後利用三種風險值的評量方法：回溯測試、前向測試與二項檢定，來評判三種估算風險值方法的優劣。
經由實證結果發現：
1.報酬率分配在左尾臨界機率1％有較明顯厚尾的現象。
2.利用混合常態分配來模擬報酬率分配會比另外兩種方法更能準確的捕捉到左尾臨界機率1％的厚尾。
3.混合常態模型的峰態係數值接近於真實報酬率分配的峰態係數值，因此我們可以確認混合常態模型可以捕捉高峰的現象。
關鍵字：風險值、厚尾、歷史模擬法、變異數-共變異教法、混合常態模型、準貝式最大概似估計法、EM演算法、回溯測試、前向測試、高峰 / Initially, Value at Risk (VaR) is calculated by assuming that the underline asset return is normal distribution, but this assumption sometimes does not consist with the actual distribution of asset return.
Many researchers have found that the actual distribution of the underline asset return have Fat-Tail, extreme value events, character. So under normal distribution assumption, the VaR value is improper compared with the actual losses.
The paper discuss three methods. Historical Simulated method - Variance-Covariance method and Mixture Normal .simulating those asset, return and VaR by given proper confidence level. About the Mixture Normal Distribution, we use both EM algorithm and Quasi-Bayesian MLE calculating its parameters. Finally, we use tree VaR testing methods, Back test、Forward tes and Binomial test -----comparing its VaR loss probability
We find the following results:
1.Under 1% left-tail critical probability, asset return distribution has significant Fat-tail character.
2.Using Mixture Normal distribution we can catch more Fat-tail character precisely than the other two methods.
3.The kurtosis of Mixture Normal is close to the actual kurtosis, this means that the Mixture Normal distribution can catch the Leptokurtosis phenomenon.
Key words: Value at Risk、VaR、Fat tail、Historical simulation method、 Variance-Covariance method、Mixture Normal distribution、Quasi-Bayesian MLE、EM algorithm、Back test、 Forward test、 Leptokurtosis
|
| 8 |
市場風險值管理之應用分析以某金融控股公司為例 / The analysis of Market Risk VaR management ：the case of financial holding company周士偉, Chou, Jacky Unknown Date (has links)
2008年次貸風暴橫掃全球金融市場，Basel II制度歷經多年的實施，卻無法有效防阻金融風暴的發生。觀察2008已採用內部模型法之主要國際金融機構之年報，亦發現採用蒙地卡羅模擬法之代表銀行『德意志銀行』於該年度竟發生了35次穿透，市場風險管理到底出了什麼問題？這是被極度關心的現象，產官學界也對此現象提出了許多議題。2012年的現在，次貸的風暴尚未遠去，新的歐債危機也正在蔓延，若金融風暴再次來臨，市場風險管理是否能克服次貸風暴後所凸顯的缺失，市場風險管理的價值除被動管理外，是否還可以進階到主動預警，以作為經營決策的重要參考資訊？這些都是國內金融機構需積極面對的急迫的市場風險管理議題。
個案金控的市場風險管理機制致力於解決次貸以來所凸顯的市場風險管理議題、提升市場風險衡量的精準度、擴大市場風險管理之應用範圍，並將市場風險管理的價值由被動管理角色進階到主動預警角色，以期作為經營決策的重要參考。經過多年的淬煉，其發展理念與經驗應具相當參考價值，故本論文以個案金融控股公司(以下簡稱個案金控)之實務經驗進行個案研究，除分析個案金控市場風險管理機制的基礎架構外，也將研究重心放在個案金控如何在此基礎架構下，開發多種進階市場風險量化管理功能。
本論文除研究個案金控如何完善市場風險值量化機制外，也對各量化功能的實施結果進行分析，以期研究成果可更客觀的作為其他金融控股公司未來發展進階市場風險衡量機制之參考。
|
Page generated in 0.4049 seconds