本研究探討新加坡摩根台股指數現貨與期貨價格之領先-落後關係。研究期間從 1998年 3 月 1 日至 3 月 18 日，選取現貨指數與最近月份（３月）之期貨契約每 5 分鐘成交價格，總共有 506 比觀察值。在分別以 Engle-Granger ( 1987 )的兩階段估計法與 Johansen ( 1988 )的最大概似法做共整合檢定之後，發現期貨與現貨價存在「共整合現象」，因此以 Granger ( 1986 ) 所建議的誤差修正模型檢定期貨與現貨價格的領先-落後關係。 實證結果如下： 1.在檢定期貨與現貨價格的領先-落後關係上，以兩種共整合檢定方法為基礎得出的誤差修正模型，獲得一致的結論，也就是發現期貨價格領先現貨價格，「 Granger 因果關係」亦顯示，兩數列有單方向「因果」關係，表示摩根台股指數期貨價格是現貨指數的「因」，而現貨指數則不是期貨價格之「因」。 2.在期貨價格領先現貨價格的時間方面，期貨價格大約領先現貨價格達 15 分鐘前的期貨價格資訊對當期限貨價格有影響力。 3.上述「期貨價格領先現貨價格」的結論與大部份學者研究結論相同，但與研究同樣商品的賴瑞芬 ( 1997 ) 不同，推論主因應為 SIMEX 摩根台股指數期貨支成量擴增，交易越來越頻繁，使期貨市場日漸成熟之故。 / This study investigates the lead-lag relationship of SIMEX MSCI Taiwan Index futures and spot prices. The sample period is from 1998/3/1 to 1998/3/8. From the two cointegration tests of Engle-Granger's (1987)“Two Step Estimation” and Johansen's(1988) “Maximum Likelihood Method”, I find a “cointegration ”relationship between spot and futures prices. And then, I use the “error correction model”to test the lead-lag relationship. The empirical results indicate: 1.The lead-lag relationship estimates suggest that two error correction models from different cointegration test have the same conclusion:futures prices lead spot prices. From Granger's causality tests, there is an unidirectional causal relationship: futures prices Granger-cause spot price. 2.Futures prices lead spot prices about 15 minutes. In other words, 15 minute-before futures prices have an influence on present spot prices. 3.The conclusion of lead-lag relationship between spot and futures prices corresponds to most empirical results, but conflicts with Lai(1997) who investigates the same futures contract. I think the “volume”is the dominant factor.

本研究的重點為研究台灣股價指數期貨與現貨之互動關係，分為兩大課題；課題一為股價指數期貨上市對現貨波動性的影響，分別擷取SIMEX與TAIFEX兩個市場期貨上市前後現貨股價指數之每日收盤價，探討台股指數期貨上市對現貨市場報酬波動性，及現貨報酬波動不對稱反應之影響。課題二為股價指數期貨與現貨間之領先落後關係，以每五分鐘成交價分析TAIFEX台股指數期貨與現貨報酬率之線性Granger因果關係。 　　實證結果如下： 一、股價指數期貨上市對現貨波動性的影響 　　進行單根檢定與Ljung-Box序列相關檢定後，確定台股指數現貨報酬序列符合ARCH類模型變異數異質的特性，故採用Glosten, Jagannathan, and Runkle(1989)所提出GARCH（1,1）模型進行分析，將訊息對市場波動產生不對稱影響納入考量，亦即壞消息具有遞延效果，會增加市場波動，好消息則無。 1. TAIFEX台股指數期貨交易導致現貨報酬波動性增加，但不顯著；而SIMEX摩根台股指數期貨交易卻顯著地增加現貨報酬的波動。 2. TAIFEX台股指數期貨上市顯著地降低台股指數波動的不對稱反應，影響資訊傳遞的方式。SIMEX摩根台股指數期貨上市後，不對稱反應增加但並不顯著。 二、股價指數期貨與現貨間之領先落後關係 　　期貨與現貨價格數列經過共整合檢定後，確定符合誤差修正模型，故參考Fleming et al.（1996）迴歸模型與Stoll and Whaley(1990)ARMA，進行Granger線性因果關係。 1. 無論原始的現貨報酬序列，或以MA(2)修正的現貨報酬序列都產生相同的結論，TAIFEX台股指數現貨報酬領先期貨報酬約10分鐘。期貨報酬與現貨報酬間有顯著的同期影響關係存在。此外，誤差修正項係數的顯著表示期貨與現貨價格間存在長期均衡關係。 2. 推論影響TAIFEX台股指數現貨領先期貨可能的因素為TAIFEX期貨市場成熟度不足，且交易成本與開盤時間較SIMEX的不具吸引力，使得交易量小不能與股票市場相比較，無法產生影響。 第一章 緒論 1 第一節 研究背景與動機 1 第二節 研究目的 2 第三節 論文架構 3 第二章 文獻探討 5 第一節 股價指數期貨上市對現貨波動性的影響 5 第二節 股價指數期貨與現貨間之領先落後關係 8 第三章 研究設計 13 第一節 研究假設 13 第二節 資料來源 13 第三節 研究方法 15 第四節 研究流程 21 第四章 實證分析 22 第一節 股價指數期貨上市對現貨波動性的影響 22 第二節 股價指數期貨與現貨間之領先落後關係 36 第三節 研究限制 47 第五章 結論與建議 49 第一節 研究結論 49 第二節 後續研究建議 51 參考文獻 53

所謂VaR是指，投資組合未避險部位在某一信賴水準下持有某一段時間後所可能產生的最大損失值。其基本公式為VaR=-(ut-zqt)。其中u為報酬均值 ，Z為標準常態分配累積機率值，q為報酬標準差。VaR值對投資者有兩種意義：一是瞭解部位風險，如果這個值超過本身所可以承受的範圍，應該調整投資組合或做適當的避險動作。另一點是將VaR值視為本身所可以承受的最大損失，因此應提列等額的損失準備，風險控管人員隨時監視持有部位的市場價值，當實際損失超過VaR值時，應要求立即停損出場，否則像英商霸菱銀行倒閉事件會不斷的發生。 本研究共使用的三種估算VaR的方法：歷史價格模擬法、等權移動平均法、加權移動平均法及兩種預測報酬波動度的方法：GARCH、EGARCH。以臺灣加權股價指數9、23、46、144、288天的報酬及報酬標準差為樣本，分別求算每日在信賴水準為95%、99%，持有期間為一日的VaR值，將所求得的VaR值，與隔日實際的損益相比，以隔日實際損失是否小於VaR值為效率衡量的標準，檢驗各種計算VaR方法應用在臺股指數期貨的效率之依據。 在三種估算VaR的方法中，信賴水準95%下，以使用46天等權移動平均所求算的VaR值效率最好（誤差3.25%），使用歷史價格模擬法，持有期間為九日的VaR效率最差（誤差31.25%）。信賴水準為99%時，以使用144天等權移動平均所求算的VaR值效率最好（誤差1.989%），使用歷史價格模擬法，持有期間為九日的VaR效率最差（誤差6.07%）。 預測波動度的模型部份，BGARCH較GRACH法好，但差異相當小。 本論文並建議以下的步驟，建立以VaR模式為風險控管機制的系統： 1.確立部位 2.預估該部位未來的價格風險大小（報酬變異數），預估的方法則如本研究實證中所應用的方法 3.訂定該部位預期報酬率（過去的報酬均值，或無風險利率，或直接令其為0） 4.決定該部位的持有期間（如隔夜） 5.決定要求財務安定的程度，即決定最大可能損失的信賴水準。越傾向安定的財務系統，信賴水準越高。 6.以第2-5步驟的資料計算該部位的VaR值，公司以此VaR值為標準，提列損失準備。 7.建立一套資訊系統，隨時監視部位損益與VaR的差距，如果部位損失超過VaR值應立即停損出場，不可猶豫。因為如果不停損可能產生遠超過公司提列的損失準備，使公司面臨嚴重財務危機。

隨著國人的投資理財觀念日益受到重視，國內的證券投資信託基金在國內己逐漸成為投資人的投資標的。而對於我國的投資信託基金業者，在過去往往缺乏避險管道，使得基金經理人僅能以降低持股比率以達到規避風險的目標。 　　我國自八十三年四月正式展開期貨交易，使得國人可以合法地買賣主管機關所允許的國外的期貨契約，而對於缺乏避險工具的我國投資信託基金業者而言，如果能夠以國外股價指數期貨進行避險，不失為可行之道。因此本研究針對我國的投資信託基金業者所提供的基金投資組合資料，對於國外股價指數期貨進行避險之可行性研究。 　　本研究之實證模型是分別以現貨報酬率與期貨報酬率做為因變數與自變數之迴歸模型，研究期間自1993年2月至1994年9月止，以每週三資料求得一週、二週與四週的現貨部位與期貨部位的報酬率資料，現貨部位採用基金投資組合構建股價指數與基金每股淨值，期貨則取美國S&P 500、日本NIKKEI 225與香港恆生等三種股價指數期貨契約為避險標的對象。 　　經由實證分析，我們得到以下的結論： 　　1. 對於避險所用的期貨契約方面，建議以香港恆生股價指數期貨契約為較佳的選擇。 　　2. 避險期間的選擇方面，避險期間長度的選擇隨著股價指數期貨契約的選擇而有所不同。避險期間愈長，未必避險績效愈佳。 　　3. 對於我國投資信託基金而言，以本研究所選擇的三種國外著名的股價指數期貨進行避險的績效不盡理想，相關程度(R-Square)最高也僅有0.0779。 　　4. 在現貨指標的選擇上，以股價指數法相對於三種國外股價指數期貨進行避險研究，結果顯示並未顯著在各種績效衡量指標方面優於NAV法。

本篇論文主要在檢視Fong與See (2001) 所提出的假說，將其應用於道瓊歐洲石油天然氣指數期貨 (DJ EURO STOXX OIL & GAS Index Futures) 上，是否能得到相同的驗證。 　　在是否加入狀態轉換考量的檢定中，本文採用AIC與BIC準則為判斷的基準，而由於雙狀態下BIC準則易有樣本參數過大的懲罰特性，因此其中又以AIC為較佳判斷的準則。研究結果顯示，有考量狀態轉換的Regime Switching GARCH模型配適度會較無考量狀態轉換的GARCH模型為佳。而在納入狀態轉換的考量下，在Regime Switching GARCH模型及其相關衍生模型的比較中，主要是採用RS-GARCH(1,1)-N，RS-GARCH(1,1)-t以及RS-ARCH(1,1)-t模型作為比較。這裡同樣以AIC與BIC準則為判斷的基準，研究結果顯示，在三模型中，是以RS-GARCH(1,1)-t模型具有最佳的配適度。 　　在預測能力的檢定中，本研究是利用MSE、MAE與R2，來判斷何者具有較佳的解釋能力，並且以DM檢定來進一步驗證。研究結果顯示，在有考量狀態轉換的Regime Switching GARCH模型與無考量狀態轉換的GARCH模型中，是以有考量狀態轉換的Regime Switching GARCH模型具有較佳的預測能力；而在RS-GARCH(1,1)-N，RS-GARCH(1,1)-t以及RS-ARCH(1,1)-t三種衍生模型的比較中，又以同時考量t分配以及有狀態轉換的RS-GARCH(1,1)-t模型具有較佳的預測能力。

中國大陸自2010年4月16日推出第一支股價指數期貨商品-滬深300股價指數期貨以來，不到一年半的時間日交易量已達大約18萬口，超越已推出約13年的台灣股價指數期貨約十萬口的平均日成交量，由此可見中國股價指數期貨的發展潛力與日俱增。另外隨著中國大陸經濟的快速成長，大陸金融市場也逐漸成為國內外大型機構投資人重要的投資市場，而期貨又是投資、避險及套利不可或缺的金融商品。因此本論文將從期貨與現貨的價格關係出發，幫助投資人了解其基本的價格關係，未來進一步可更深入進行相關研究。 本論文選取時間為2010年4月16日至2011年3月15日共220筆日資料，研究方法以向量自我迴歸模型為主，配合ADF、PP單根檢定、共整合檢定、因果關係檢定、衝擊反應函數分析和誤差變異數分解進行中國滬深300指數現貨和期貨之前的價格關係探討。 實證結果顯示：(一)中國滬深300指數現貨和期貨不存在共整合關係；(二)根據因果關係檢定，中國滬深300指數現貨為期貨之「因」；(三)在向量自我迴歸模型中，證明現貨較期貨有較佳的價格發現能力；(四)在衝擊反應函數分析和誤差變異數分解模型中，結果為現貨對於期貨的解釋能力較期貨對現貨的解釋能力高。 隨著中國金融市場快速成長，中國股價指數期貨相信會是未來不可或缺的投資商品之一。但目前台灣地區針對中國股價指數期貨的相關研究較少，希望藉由這篇論文的撰寫，未來能帶動更多研究者進行更深入的研究。 關鍵詞：指數期貨、價格發現、向量自我迴歸模型

本研究嘗試整合類神經網路與法則基礎（rule-based）系統技術，以建立S&P 500指數期貨的交易策略。本研究不同於先前研究之處有下列二方面：一、本研究採用法則基礎系統的方式提供神經網路的訓練範例；二、本研究以理解神經網路（Reasoning Neural Networks）取代後向傳導網路（Back propagation networks）以解決局部最小值與隱藏結點數未知的困境，而實證結果也顯示理解神經網路之表現優於後向傳導網路。首先，由期貨的日價格資料計算出十種技術分析指標值，用這些指標值來表示期貨市場內的各種可能狀況（case）。接著，我們提出FFM（Futures Forecast Model）與EFFM（Extended Futures Forecast Model）來處理市場的各種狀況，預測出隔日的期貨價格改變方向。以法則基礎方法所建立的FFM是用來處理明顯的狀況（obvious cases），並且提供類神經網路好的訓練範例。而EFFM包括四個理解神經網路系統與一個決策機置（voting mechanism），它被用來處理那些不明顯的狀況（non-obvious cases）。從實證模擬的結果顯示，在預測市場時FFM與EFFM有良好的合作 關係。因此，我們以FFM與EFFM為基礎建立一個整合的期貨交易系統（Integrated Futures Trading System，IFTS），並將它用於S&P 500 指數期貨市場作模擬交易，結果我們發現在1988到1993年的測試期間，IFTS 的投資報酬率高於買入持有投資策略。 / This research adopts a hybrid approach to implementing the trading strategies in the S&P 500 index futures market. The hybrid approach integrates both the rule-based systems technique and the neural networks technique. Our methodology is different from previous studies in two aspects. First, we employ Reasoning Neural Networks (RN) instead of back propagation networks to resolve the undesired predicaments of local minimum and the unknown of the number of hidden nodes. Second, the rule-based systems approach is applied to provide neural networks with good training examples. We, first, categorize the daily conditions of the futures market into a variety of cases through processing futures historical data. Then, the dual-forecast models, FFM (futures forecast model) and EFFM (extended futures forecast model), are proposed to predict the direction of daily price changes. The rule-based model, FFM, is designed to deal with the obvious cases and to provide the neural network-based model, EFFM, with good training examples. Meanwhile, EFFM, which consists of four RNs and a voting mechanism, is designed to handle the non-obvious cases. The simulation results show that the cooperation of FFM and EFFM does a good job in predicting the direction of daily price change of S&P 500 index futures. Based on FFM and EFFM, the integrated futures trading system (IFTS) is developed and employed to trade the S&P 500 index futures contracts. The results show that IFTS outperforms the passive buy-and-hold investment strategy over the six-year testing period from 1988 to 1993.

自從Cross在1973年提出股票市場具有星期效應(Day-of-the-week-effect)之後，開啟了學者在這個研究領域一連串的研究及探討，過程中金融市場經歷了國際化、法規制度的鬆綁與解禁、交易技術複雜化、交易電子化及衍生性商品的推出等事件，使得整個市場結構產生了極大的變化。正因如此，星期效應也有了轉變，根據Kamara(1997)及Hiraki,Maberly, and Taube(1998)的研究發現，股價指數期貨於市場交易後，原先存在的星期效應開始產生轉變，這樣有趣的發現激發出本研究的研究動機。基於研究動機，本研究主要目的為探討，在股價指數期貨推出後，股票市場的報酬型態是否產生變化。本研究以歐洲五國(英、德、法、瑞士、荷蘭)及台灣市場為研究對象。 本研究以敘述統計、虛擬變數所建立的星期效應模型及SUR(Seemingly Unrelated Regressions)來驗證股價指數期貨對市場星期效應的影響。研究期間在歐洲市場部分乃自1980年1月1日至2000年12月21日止；在台灣市場部分則是從1993年1月1日到2000年12月31日，選取每天收盤時的指數作為樣本資料，資料來源為教育部aremos資料庫及台灣經濟新報。 本研究驗證結果發現： 1. 歐洲五國有相對應股價指數期貨於市場上交易的指數，在期貨交易後原先存在於市場上的週一效應消失。至於無相對應股價指數期貨於市場上交易的指數，在期貨交易後除了英國之外，其餘四國的週一、週二效應皆於市場上消失。由此可知，期貨交易促使市場的報酬型態產生變化。 2. 使用SUR來考量歐洲各國股市相互影響下的星期效應發現，結果除了係數略為不同外，星期各日所呈現的型態基本上與沒有考量相互關係前的結果大同小異。 3. 台灣市場在摩根台股指數期貨交易前存在的週二效應，於交易後的期間轉變為週一、週二效應同時存在；而在台灣期交所推出台股指數期貨之後，台灣市場的週二效應正式消失，取而代之的是週一效應。期貨交易對市場星期效應的影響再度獲得證明。

指數期貨在到期結算當天於現貨市場產生的到期效應，一直眾所關切的議題。影響到期效應的因素很多，其中指數期貨的最後結算方式，亦影響著到期效應的大小或發生與否。因此，本研究之目的在研究台灣現貨市場在改變最後結算方式後，是否有助於減緩到期效應發生之情況；此外亦比較世界各交易所採用的不同最後結算方式，是否對於現貨市場有不同影響，並將可行的最後結算方式提出供台灣來參考，以能達到降低現貨市場波動度並得到一個合理的最後結算價。實證結果如下： (1) 故整體來說，改變最後結算方式似乎不能有效改善對於現貨市場的所產生的到期效應。此外，開盤十五分鐘內的波動度大，採取此段時間的加權指數平均是否能得到一個合理的最後結算價格是有待商榷的。 (2) 在特別開盤報價、收盤價、平均價、盤中集合競價四種最後結算方式中，採用「平均價」、「盤中集合競價」之期貨契約均沒有檢測出具有異常波動效果。同時，在台灣現行交易制度與市場參與者的組成結構下，採用「特別開盤報價」、「收盤價」以及「盤中集合競價」在到期結算時容易因瞬間流動性不足，遭市場投機人士干預最後結算價格，故不適合採用這三種方式來決定最後結算價格。 (3) 未來仍然應繼續採用平均的方式來決定最後結算方式，但應修改目前開盤十五分鐘指數平均的計算方式，並可以考慮朝以下三個方向，以得一個合理的最後結算價格，並有效降低結算日市場波動度，及人為干預的情況： 1.延長計算最後結算價格的期間至一個最適長度。 2.將極端值刪除，不列入指數平均值的計算。 3.選擇一段能夠反應結算日當天現貨市場波動情況的期間，做為計 算最後結算價格之基礎。

The price of stocks, futures, commodities and currency are for ever changing. Anyone interested in financial prices soon discovers that changes in prices are frequently substantial and are always difficult to forecast. This paper describes the behavior of prices from a statistical perspective. Specifically, employ several technical trading rules to uncover the trend of futures price movement and attempt to make profit out of the trend. In this paper, trading of seven technical trading systems is simulated for three futures contracts from September 1998 to March 2005 to test for market disequilibrium. The results differ by trading systems. Four systems produced positive mean net returns and five systems produced positive gross return when optimal parameters were used. These results indicate that, there exist opportunities to design profitable trading systems for futures markets.