Global ETD Search

1	上市公司出售資產事件之宣告效果:GARCH模型之應用 / The Effect of Voluntary Sell-off Announcements 張嘉宏, Zhang, Jia-Hong Unknown Date (has links) 本文主要探討出售長期資產對公司股價的影響,由於金融性資產時間序列資料有異質變異數現象,傳統事研究以最小平方法無法正確描述殘差項之變異,故使用一般自我迴歸異質變異數(GARCH)模型.由實証發現,市場對公司出售資產的反應視其處分目的而定,對為了改善營運而出售資產的公司,一般相信公司營運能提升,有助於增進公司價值;對為了改善財務而出售資產的公司,由於公司本身財務狀況不佳,雖藉出售資產取得資金,但市場反應仍不佳.另外,由迴歸分析也發現處分目的為宣告期間累積異常報酬重要的解釋變數. 出售資產事件研究異質變異數 Sell-off Even study GARCH
2	以條件拔靴法估計VaR之探討賴信宏 Unknown Date (has links) 關於風險值之估計，拔靴法因直接以市場資料為抽樣分配，計算時便包含一般財務時間序列所常有的厚尾高峰等現象，避免模型偏誤(Model Risk)。但市場上的波動因具有異質變異，易產生波動聚集現象(Volatility Clustering)，是以歷史資料無法立即反應波動之起伏與及時之資訊，一般VaR估計模型往往在波動較劇烈起伏處，無法準確估計風險值，因而提高市場風險。　　針對於此，此次研究嘗試以GARCH模型捕捉波動起伏，並運用拔靴法估計之便捷與優點，估計更可靠之風險值（簡稱GARCH Bootstrap）。研究所得之主要結論如下：　　1.拔靴法(Bootstrap)以及偏誤修正之拔靴法(Bias-Corrected Bootstrap)在厚尾及常態之下，皆比歷史模擬法有較佳之估計。但實證資料因厚尾情形不足，三者之VaR估計，並無顯著差異。　　2.拔靴法及偏誤修正之拔靴法於模擬中有較大之差距，實證下則較小，應為實證資料厚尾情形較輕微所致。　　3.模擬中，在GARCH模型之配適上，選擇樣本大小（或窗口大小）為250日或500日皆為條件之估計較佳。但實證上，250日的資料仍嫌不足，在計算參數時會有不收斂而無法得其結果。建議在窗口選擇上應至少為500日。　　4.在資料本身具有GARCH現象時，GARCH Bootstrap會較Bootstrap為佳。風險值拔靴法厚尾高峰異質變異 GARCH GARCH Bootstrap
3	股價指數期貨最適避險比率與避險效益之衡量：結構轉換模型應用朱明輝, Chu, Ming-huei Unknown Date (has links) 隨著國際金融市場的開放與金融商品的多元化，投資人所面對的投資機會增加，相對地也面臨更多金融市場波動的潛在風險。因此，為了規避金融資產價格的不利波動，股價指數期貨等相關金融期貨應運而生。然而，當投資者決定利用期貨市場進行避險交易時，隨即面臨該持有多少數量的期貨契約這一問題。針對此一個重要課題，學術界與實務界常透過估計最適避險比率，作為從事避險交易之參考。由以往研究得知，現貨與期貨市場報酬率間存在結構轉變的動態特徵，故最適避險比率之估計應考慮市場不同狀態的波動性。有鑑於此，本文乃嘗試將結構轉換模型應用於最適避險比率之研究，並以1983年至2001年的S&P500指數現貨與指數期貨週報酬率為實證分析之標的。由實證結果發現，最適避險比率於不同的市場波動狀態呈現不對稱的現象，亦即，當市場屬於低波動狀態時，避險比率較高;市場為高波動狀態時，避險比率則較低。應用結構轉換模型除了可以獲得較有效的避險比率外，整體而言，就降低資產組合風險的角度衡量，金融市場參與者可藉由結構轉換模型之設定提高其所持有資產的避險效益。最小變異最適避險比率避險效益自我迴歸條件異質變異模型結構轉換模型跨狀態平均
4	選擇權交易對於價格的影響：盤前、盤中與盤後有差異嗎？陳麟隴 Unknown Date (has links) 本研究主要是探討選擇權成交量與期貨價格變動之關係，檢定Schlag and Stoll (2005) 的三個假說：完全效率市場假說（perfect market hypothesis）、資訊假說（information hypothesis）及流動性假說（liquidity hypothesis）。採用2005年一整年期貨與選擇權之日內資料，將同一日內樣本資料區分成盤前、盤中與盤後三個交易時段，另外亦將同一週內區分成不同交易日（週一至週五），藉由一般化自我相關條件異質變異模型(GARCH)，得出下列三個實證結果： / 1. 日內未區分交易時段下，拒絕完全效率市場假說及資訊假說，淨買權或是正向選擇權成交量對於期貨價格有正向之影響，淨賣權或是負向選擇權成交量對於期貨價格則有負向之影響，且選擇權成交量對於期貨價格變動之同步價格效果在接下來的六分鐘內反轉。無法拒絕流動性假說。 / 2. 日內區分交易時段、但週內不區分不同交易日下，無論盤前、盤中及盤後，皆拒絕完全效率市場假說及資訊假說，而不拒絕流動性假說。 / 3. 日內區分交易時段、且週內區分不同交易日下，週內各交易日盤前與盤中時段，皆拒絕完全效率市場及資訊假說，而無法拒絕流動性假說；而週內盤後時段結果則相對複雜，值得進一步討論。期貨報價選擇權成交量日內資料
5	信用評等與股價變動之關係─以台灣上市上櫃企業為例林芷吟, Lin Chih Yin Unknown Date (has links) 信用風險是金融機構最關切的風險之一，信用評等則是具有公信力的評等公司對企業債信良窳的客觀評估。本研究目的即在於探討在效率市場的假設前提下，股票價格所蘊含的信用風險與信用評等間之相互關係。我們以接受信用評等的上市櫃公司為研究對象，利用KMV模型求解出違約距離(Distance-to-Default, DD)，再使用Kalman Filter粹取出符合公司之市場資訊(Adjusted-DD)替代股票價格，本研究分成兩部分討論，第一部份以順序羅吉斯模型(Ordered Logit Model)及羅吉斯模型(Logit Model)探討股價變動是否能領先告知未來公司信用評等的變化情形。第二部分則利用一般化自我相關條件異質變異模型(GARCH Model)觀察信用評等變動是否為市場帶來新的資訊。第一部分實證結果發現：當長期信評調降時，電子、通訊相關產業及金融業之市場資訊(Adjusted-DD)的變動與長期信用評等為負相關，而長期信用評等調升時，仍得到負向關係，短期信用評等之部分得到當信用評等調降時，電子與通訊相關產業市場資訊變動有負向關係，與長期信用評等得到一致性之關係，但金融業則顯示市場資訊與信用評等調降為正相關，而傳統產業顯示短期信用評等調升與市場資訊呈現負向關係。第二部分實證結果：與大多學者之研究相符，當信用評等調降時股票價格有負的異常報酬，而本研究更進一步發現當信用評等調升時，股票價格同樣隨著上漲且有顯著結果，兩者具有對稱關係。故信用評等改變時能夠為市場帶來新的資訊，可視為投資的重要參考指標之一。但以股票價格所蘊含的信用風險與信用評等間的關係卻仍無法得到應證。信用評等 KMV 模型順序羅吉斯模型
6	匯率波動對出口量的影響－台灣出口產業之實證研究 / Exchange Rate Volatility and Taiwan's Exporting Industry : An Empirical Study 胡育豪, Hu, Yu Hao Unknown Date (has links) 本文主要是研究浮動匯率期間匯率波動對出口產業的影響。一般認為，匯率波動匯會使出口廠商的利潤風險增加，所以波動對於出口量的影響是為負的效果。不過，由於許多國外的研究的結果並不一定支持這種看法。本文針對台灣1984到1995年的資料進行實證研究，並且分別就不同出口產業對匯率波動的反應程度做討論，包括紡織類，塑膠化學類，電子類，機械類及基本金屬類五種產業，主要分為兩個架構分析：　　（一）衡量匯率波動因子：對於匯率波動的衡量分成兩種方法：一種是以過去匯率變動的方式來衡量，另一種是以本期匯率預測的誤差來衡量，大部份的文獻都是採用前者。在此，為了將廠商事先避險的行為引入，所以採用後者的方法，將預測到的波動與未預測到的波動分離開來。　　（二）匯率波動對各產業出口量的影響：將所有符合I(1)性質的變數用Johansen的方法做長期共整合關析的估計，再利用Granger Representation Theorem導出短期誤差修正模型，並將符合I(0)性質的波動因子引入模型當中，以便觀察匯率波動對出口量的影響。結果發現，各產業的出口量皆與匯率波動間存在明顯的負相關，其中以電子產業的影響最顯著，紡織類次之，基本金屬類影響最小，根據產品的特性分析可發現：當出口競爭愈激烈者，或是出口彈性愈大者，相對來講，會對匯率波動的反應較敏感。匯率波動產業出口異質變異數隨機漫步模型共整合分析 Exchange-Rate Volatility Export GARCH model Random Walk model Co-Intergration
7	外匯市場非線型時間序列之實證研究 --自迴歸條件異質變異數與類神經網路模式分析法 / A Non-linear Series Analysis of Foreign Market --An ARCH and Neural Approach 葉俊雄, Yeh, Jiunn Shyong Unknown Date (has links) 學界間廣泛地認為一般金融資產報酬具有的特性是:線型不可預測性,條件異質變異數,非條件尖峰態 ... 等特性o 固然金融資產報酬具有線型不可預測之特性,可是並不能否決其間可能有非線型依存關係的存在o目前大部份經濟計量分析方法中的模式建構問題均是在假設模式的結構訊息已知的條件下求解,然若真實體系的結構訊息未知或不明朗時,貿然地假設為某種特定的模式結構,則可能又難於避免模式設定錯誤的困擾,因而對於真實體系行為的描述亦將可能是誤導且不合理的,這意味著:除非該特定的模式結構正是真實體系的表徵, 否則無論該特定模式的結構特性多完美,均難以建構一令人信服的數理化模式來表徵真實體系之行為o 不幸地,此一問題在高度非線型的動態隨機體系中尤其嚴重, 甚至是否存在一 ``真實'' 模式來據以表徵體系之行為,亦是相當值得懷疑, 故考慮一種無需特定結構訊息假設的無母數方法或函數逼近法實屬必要o 類神經網路中的倒傳遞網路模式即是符合此種特性的方法之一o然而學界間仍無法確定的是金融資產報酬序列資料所產生的 ARCH 效果本身是否為真實序列資料產生機制特性之顯現, 還是應歸咎於被忽略掉條件均數方面之非線性所衍生模式設定錯誤情況下的代用模式, 並不得而知;另一方面, ARCH 模式的顯著成就及其價值亦不能予以輕易地漠視, 因此, 試圖將 ARCH 模式所能提供的攸關訊息納入倒傳遞網路模式的考量之中而形成倒傳遞網路-自迴歸條件異質變異數 (BPN-ARCH) 模式以增進樣本外預測能力的精度便是本論文最主要的嘗試重點與目的o 隨機漫步模式確定混沌體系類神經網路自迴歸條件異質變異數模式 Network Non-Linear Time Series ARCH Forecasting

1

Page generated in 0.0196 seconds