隱含波動度不對稱效果對選擇權市場參與者是很重要的，因為隱含波動度變大可增加選擇權買方的報酬相對的會減少選擇權賣方的報酬，並且對選擇權避險者來說是一種額外的風險。過去許多文獻皆已證實股票報酬波動度具有不對稱效果，所謂不對稱效果一般是指負向衝擊對報酬波動度增加的影響較正向衝擊大。然而多數研究是以條件變異數作為波動度的衡量，本研究則打算以選擇權之隱含波動度作為波動度的衡量。研究對象為歐洲期貨交易所交易之二十四家德國公司個股選擇權，利用EGARCH模型探討股票價格變動對個股選擇權之隱含波動度不對稱效果，研究期間從2000年2月14日至2001年12月31日。在不對稱效果成立之下，進而探討公司財務槓桿及公司規模對隱含波動度不對稱程度之影響。除以最小平方法模型分析並與Koutmos and Saidi(1995)對照外，更進一步以Panel Data模型加入公司效果或時間效果作為本研究最終目的的分析依據，研究期間從2000年至2001年。 本研究實證結果如下： 1.大多數公司股票選擇權之隱含波動度具有不對稱效果，也就是負向價格變動對隱含波動度增加的影響較正向價格變動大，只有兩家公司例外。 2.以最小平方法模型分析公司財務槓桿對隱含波動度不對稱程度的影響，實證結果與Koutmos and Saidi(1995)不一致，且不能支持Black（1976）所提出槓桿效果能用以解釋隱含波動度不對稱效果之假說，產生遺漏變數偏誤。 3.以Panel Data模型加入公司效果或時間效果之考量，分析公司財務槓桿對隱含波動不對稱程度的影響。實證發現隱含波動度不對稱效果可歸因於財務槓桿假說，此外證實存在時間效果但不存在公司效果。 4.公司規模會影響隱含波動度不對稱程度，兩者呈現正向關係。也就是說規模較大的公司對負向衝擊的反應較規模較小的公司敏感，實證結果與Koutmos and Saidi(1995)一致。

早期國外學者指出不動產投資信託基金具有「低風險」與「防禦性」的特質，簡稱為「抗跌性」與「反槓桿效果」，亦即除了與大盤相關性較低之外，市場的負向衝擊對於其報酬的影響比正向衝擊來的小。為了瞭解台灣不動產投資信託基金的價格是否存在過度恐慌，本文分成兩部分著眼：過去的研究大都著手在不動產投資信託基金的價格上，而忽略其為封閉型基金的特性，故本文先從「封閉型基金」角度，以因素分析擷取其共同因子，再利用BGARCH模型，探討共同因子與台灣VIX指數變化間是否存在不對稱效果。第二則是將不動產投資信託基金折溢價進行拆解，分為價格與資產淨值，運用相同方式重新觀察反槓桿效果，探討台灣不動產投資信託基金的價格是否存在過度恐慌。 本研究得到一些與過去文獻不同的結論： 1.若市場出現正向或是負向衝擊，台灣不動產投資信託基金折溢價的波動會上升， 且過去的衝擊持續性強，反應財務資料呈現的波動叢集性。 2.不動產投資信託基金價格具有「槓桿效果」，市場的負向衝擊會額外增加報酬的波動，並無防禦性特質。 3.REITs價格與台灣VIX指數變動具有顯著相關，而資產淨值則無此現象，證明台灣不動產投資信託基金價格相對於資產淨值存在過度恐慌的現象。

本篇論文的目的在驗證台股期貨報酬率與其波動度之間的相對應關係是由槓桿效果或是波動度回饋效果之因果關係所驅動，並且分別以日資料以及高頻率日內資料進行實證。實證結果發現在高頻率日內資料的應用下，能夠比日資料揭露出更詳細的波動度資訊，將報酬率與波動度間的對應關係描繪得更加明瞭。且在大多數資料期間內，同期下，台股期貨報酬率與其波動度之間會呈現負相關性，而負相關的程度會隨著報酬率遞延期數越長而逐漸遞減，因此可以發現報酬率與其波動度間呈現一個經由報酬率進而影響波動度的對應關係，與槓桿效果的因果關係雷同。最後，本文亦採用了常見的波動度預測模型，歷史模擬法、GARCH(1,1)模型、EGARCH(1,1)模型以及GJR-GARCH(1,1)模型，觀察這些波動度模型所預測出之波動度是否含有上述驗證的資訊意涵，並比較各波動度模型的預測能力，結果發現GJR-GARCH模型於樣本外期間所預測之波動度，其與報酬率之間不但具有槓桿效果的因果關係，且預測能力亦於四個波動度模型中表現最佳。

本研究旨在探討金融危機期間，美國與歐洲金融市場之日內報酬率、實質波動度、連續波動度與跳躍風險行為之日內因果關係，並採用美國三大指數期貨(S&P 500, Dow Jones, Nasdaq)及歐洲期數期貨(FTSE, DAX, CAC)之高頻資料，檢定是否具有顯著槓桿效果(Leverage Effect)與波動度回饋效果(Volatility Effect)、在報酬率與跳躍風險之間具有相互影響效果。探討在金融危機發生前、後期間其日內報酬率、實質波動度、連續波動度與跳躍項間在1分鐘、5分鐘及60分鐘之抽樣頻率下之日內行為。因此，實證研究包含金融市場之上升及下降趨勢，顯示在金融危機發生後，日內波動度與跳躍項之槓桿效果(Leverage Effect)與波動度回饋效果(Volatility Effect)受到叢聚(Clustering)現象影響且顯著增加。不同抽樣頻率下之因果關係效果在金融危機發生前、中、後期間，特別在5分鐘及60分鐘之抽樣頻率方式，跳躍風險受到波動度回饋效果影響呈顯著增加，此實證結果對政策制定者及投資人具有重要之意涵。 / This study examines the intraday causality between returns, volatility and jumps in the U.S. and European markets during the financial crisis. examine whether during the financial crisis, the S&P 500, Dow Jones, Nasdaq, FTSE, DAX and CAC index futures markets have a significant impact on the leverage and volatility feedback effects, as well as whether these interactions also occur between returns and jumps. The intraday behavior of 1-min, 5-min and 60-min sampling of returns, volatility and jumps is examined by employing data from the period between financial crisis. The study covers the major upward and downward trends in the market. Our empirical data indicate the main leverage and volatility feedback effects caused by intraday volatility and jump clustering significantly increased after the financial crisis. The causality effects with different sampling frequencies before, during and after the financial crisis show that jumps have increased the volatility feedback effect, especially when in a 5-min and 60-min sampling frequency is used. These findings have important implications for both policymakers and investors.

針對金融時序資料變異數不齊一的性質，隨機波動模型除了提供於ARCH族外的另一選擇；且由於其設定隱含波動本身亦為一個隨機波動函數，藉由設定隨時間改變且自我相關的條件變異數，使得隨機波動模型較ARCH族來得有彈性且符合實際。傳統上處理隨機波動模型的參數估計往往需要面對到複雜的多維積分，此問題可藉由貝氏分析裡的馬可夫鏈蒙地卡羅法解決。本文主要的探討標的，即在於利用馬可夫鏈蒙地卡羅法估計美元/新台幣匯率隨機波動模型參數。除原始模型之外，模型的擴充分為三部分：其一為隱含波動的二階自我回歸模型；其二則為藉由基本模型的修改，檢測匯率市場上的槓桿效果；最後，我們嘗試藉由加入scale mixture的方式以驗證金融時序資料中常見的厚尾分配。

本研究顯著地發展時間轉換Lévy過程在最適投資組合的運用性。在連續Lévy過程模型設定下，槓桿效果直接地產生跨期波動度不對稱避險需求，而波動度回饋效果則透過槓桿效果間接地發生影響。另外，關於無窮跳躍Lévy過程模型設定部分，槓桿效果仍扮演重要的影響角色，而波動度回饋效果僅在短期投資決策中發生作用。最後，在本研究所提出之一般化隨機波動度不對稱資產報酬動態模型下，得出在無窮跳躍的資產動態模型設定下，擴散項仍為重要的決定項。 / This study significantly extends the applicability of time-changed Lévy processes to the portfolio optimization. The leverage effect directly induces the intertemporal asymmetric volatility hedging demand, while the volatility feedback effect exerts a minor influence via the leverage effect under the pure-continuous time-changed Lévy process. Furthermore, the leverage effect still plays a major role while the volatility feedback effect just works over the short-term investment horizon under the infinite-jump Lévy process. Based on the proposed general stochastic asymmetric volatility asset return model, we conclude that the diffusion term is an essential determinant of financial modeling for index dynamics given infinite-activity jump structure.