1 |
總體經濟指標與利差交易之分析 / Analysis of Macroeconomic Indicators and Carry Trade周長隆 Unknown Date (has links)
本研究探討國際投資人是否能夠藉由總體經濟指標、泰勒法則、以及匯率資料,捕捉無拋補利率平價假說的成立時間,以及判斷市場多空轉換的時間點,做好相對應的利差交易投資策略來獲得持續的超額報酬。利用時序變動型馬可夫轉換模型,分析2002年9月到2013年9月,共133個月之匯率資料,將樣本區間內的超額報酬資料根據資料特性利用模型分為兩個情境,再加入總體經濟指標變數、泰勒法則、以及匯率資料分析比較情境轉換因子對利差交易之超額報酬的關係。
經過實際驗證後的結果,發現泰勒法則雖然在文獻中扮演捕捉總體市場趨勢的變數,但在本研究之實證結果中,與利差交易之超額報酬的關係並不明顯,推測泰勒法則的合成過程可能隱瞞或消弭原始資料之資料特性。此外,觀察樣本區間內實證測試結果,發現實質匯率之資料,在景氣繁榮的金融穩定期時,能夠扮演預警的角色,因為根據二情境時序變動型馬可夫轉換模型之情境轉移機率矩陣估計的估計結果,發現實質匯率在多頭市場的情況下對於情境轉換有顯著的影響力,因此國際投資人能夠將實質匯率作為捕捉市場反轉與否的信號,建構相對應之投資策略,將情境因子列為考量,藉由預測下一期之情境使得投資人對於投資產生擇時機會,不論是發現市場將從多頭轉空,提早出場、或是預期市場會從空頭轉多,開始布局,都有助於增加利差交易之超額報酬。
|
2 |
以情境轉換模型建構外匯投資組合績效分析楊鎰鴻 Unknown Date (has links)
本研究為討探投資人是否可透過捕捉無拋補的利率平價說的成立期間以及預測其反轉時機,建構對應的投資策略以獲得顯著且持續的超額報酬,故採用情境轉換模型,以馬可夫鏈描述情境轉換行為,分析1999年至2012年的七個已開發經濟體的外匯資料,透過將樣本期間區分為三種情境,根據各情境特性決定相對應之最適資產配置,並以預期情境轉換機率決定投資組合調整時機,模擬投資人在現有可得資訊下所做的投資決策以檢定此投資策略是否能提升利差交易者的投資績效。
根據樣本外實證測試結果,考慮情境因子的模擬投資策略之報酬在99%的信賴水準下顯著優於買進持有利差交易策略,且可有效降低風險,在無拋補的利率平價說成立的景氣低迷時期投資策略表現尤佳,顯示納入情境因子的考量有助提升資產配置效率,藉由預期下一期的情境可使進行利差交易的投資人具備擇時機會,幫助預測未來景氣走勢並於空頭市場時承擔較低的風險並獲得相對優異的風險調整後報酬。
|
3 |
以動能交易與利差交易分析外匯投資組合績效 / The Performance Analysis of Using Momentum and Carry Trade in Currency Portfolio歐哲源, Ou, Che Yuan Unknown Date (has links)
本篇論文主要在外匯市場建立市場投資組合、利差交易投資組合與動能交易投資組合,探討透過不同情境適當改變投資組合比重配置,是否能夠顯著提升交易策略的報酬表現。
以1999年1月至2015年10月為樣本期間,根據28個國家外匯市場資料建構市場投資組合、利差交易投資組合與動能交易投資組合等,之後根據三種投資組合報酬情況透過馬可夫情境轉換模型區分成三種情境。按三種情境的各種投資組合超額報酬表現,再利用馬可維茲的平均數-變異數投資組合模型配置各情境下各項交易的比重,再依據計算出的預期情境與相對應比重進行投資。其結果顯示在樣本期間內,本篇論文的交易策略相較於外匯市場投資組合、利差交易投資組合與動能交易組合有較佳的投資表現。
在樣本外測試部分,採用自2012年中開始的連續情境二資料進行分析。報酬方面,在其他交易型態呈現負報酬較多情況下,就本文交易策略而言,投資者隨時根據其各種交易平均報酬與共變異數進行交易比重配置,適時放空交易策略或投資無風險資產,產生正報酬。但從標準差可以推斷投資者面對未來的不確定,在整個樣本外期間歷時的34個月當中標準差亦無法有效降低,說明了投資者面對下一期總體環境的高不確定性。 / In this thesis, we mainly investigate whether it could improve the performance of currency portfolio by adjusting weights among carry trade, momentum and market return in foreign exchange market under different kinds of regimes.
Based on a sample of 28 market currencies, we form three kinds of transactions in our portfolio, including carry trade, momentum, and market return. Under Markov switching model, we divide the sample period into three regimes, and then determine weights among carry trade, momentum and market return by parameters of each re-gime using Markowitz mean-variance analysis. Finally, we invest different weights among three transactions according to each expected regime. We find the result that although the return of the strategy is just a little higher than the carry trade, the risk is much lower compared to other transactions.
In our out-of-sample testing, we analyze the performance by using the data of the regime two which begins September, 2012. With the respect to the return, most of other risky transactions have negative return, but we get positive return by adjusting the long position and short position according to the result of the mean-variance anal-ysis. However, we can not effectively reduce risk by using the strategy, and in the meantime it can explain the high uncertainty investors face toward the next period.
|
Page generated in 0.0212 seconds