Global ETD Search

1	重設型股權連結債券之評價呂姍姍, Sang-sang Lu Unknown Date (has links) 本文由結合債券和股票特性的股權連結債券出發，以Morgan Stanley發行之重設型股權連結債券( Reset Performance Equity-linked Redemption Quarterly pay Securities, Reset PERQS )為例，由高收益型股權連結債券的基本設計，介紹Reset PERQS產品特性，並分析比較Reset PERQS與PERQS，及台灣可轉換公司債之差異。以推導固定利率模型下之評價公式，進行實證結果的分析，發現產品價格( Reset PERQS )較不重設之產品( PERQS )價格要高。由此可推論，當商品重設次數越多，相對較保護發行商，此乃由於Reset PERQS的商品設計動機源於發行商本身的融資及投資需求，而以高於市場定存利率和股利率的債息來滿足投資人對高收益報酬的需要。此外，比較對標的股價、到期期限、標的股價報酬波動度的影響，其中受到標的股價報酬波動度的影響程度最高，而站在投資人的角度，提出一個可信賴的商品評價公式，幫助市場價格透明化，並試算在不同的標的股價下商品價格的變動及避險參數等分析，最後推導出在隨機利率( HJM model )下之Reset PERQS封閉解，期使評價更接近現實世界的情況。重設型股權連結債券
2	重設型選擇權評價效率之加速方法－分解結合法張龍福 Unknown Date (has links) 選擇權的評價方式，一般可分封閉解（Closed-Form Solution）與數值方法（Numerical Method）兩大類。封閉解如Black-Sholes公式，其計算速度快，但缺乏彈性，例如無法評價美式選擇權及大部分的新奇選擇權；相反的，數值方法則是相當具有彈性，但卻會比較耗時。本文結合數值方法中的樹網模型，再輔以封閉解維持應有的彈性，加快計算速度，吾人將此方法稱之為分解結合法。 Ritchken（1995）的三元樹模型在評價重設型選擇權時，能解決由重設界限所導致非線性誤差之問題，故本文以Ritchken的三元樹模型結合歐式或美式公式解成為分解結合法，對多種的歐式以及美式重設型選擇權進行評價。本文首先，針對單期單價式與整段期間單價式的重設型選擇權，來推導適用於分解結合法之方法。再以這兩種基本的重設型選擇權為基礎，將相同概念推廣至其他更複雜的歐式重設型選擇權以及美式的重設型選擇權，並且將分解結合法和單純Ritchken三元樹網模型在評價重設型選擇權的效率，做一詳細的比較。本文的結果顯示，無論是評價何種歐式或是美式的重設型選擇權，利用分解結合法不但能夠提高計算的速度，同時在某些條件下的選擇權，還能增加評價的正確性。重設型選擇權三元樹模型界限選擇權認購權證分解結合法
3	兩種新奇選擇權之理論應用陳嘉彬 Unknown Date (has links) 本文包含兩篇獨立文章，上篇內容為延後選擇型匯率連動權證，主要藉由風險中立評價法，以組合與拆解之觀念說明利用已知的權證類型，可以創造出更具效益之新奇權證，並對其評價與相關避險策略做進一步探討。下篇內容為重設型權證，重心在定期重設權證之風險特徵與策略應用，並以模擬一例證說明附加重設型權證之操作策略。風險中立評價法延後選擇權證匯率連動權證重設型權證
4	兩種匯率連動金融商品之研究姜一銘, Jiang, I-Ming Unknown Date (has links) 論文摘要 Reiner（1992）說明投資人對他國投資股票時，除了關心外國股價風險外，也關切匯率變動的風險，所以他提出了匯率連動選擇權，來規避匯率風險。另外，對於規避股價風險方面，Bouaziz, Briys and Crouhy（1994；以下簡稱BBC（1994））為了防止商品受人為操縱或其他原因而產生不合理的股價風險，提出遠期生效亞洲選擇權。以及Gray及Whaley（1999）提出了重設型賣權，它不但具有一般賣權的基本特徵，也能使投資人於購買股票時，同時買進一個重設型賣權。它不但可規避股價下跌的風險，在股價上升時，因賣權的重設使得保險的底值（Floor）向上提昇而鎖住股價上漲的資本利得。本論文分別結合上述兩種選擇權的特徵（規避匯率風險與股價風險）而設計出兩種新金融商品，分別是：「匯率連動遠期生效亞洲選擇權」與「匯率連動重設型賣權」。它們的優點為：（1）可提供投資人同時對外國股價風險及匯率風險進行避險。（2）同時，評價模型的簡單化（類似Black-Scholes模型）以及避險操作的簡易性，使發行券商（或銀行）可獲得風險控管，因此可降低避險損失，提昇利潤。匯率連動選擇權遠期生效亞洲選擇權重設型賣權新奇選擇權 Quanto Options Forward-Start Asion Options Reset Put Options Exotic Options
5	信用風險下高階經理人員工認股權之評價與避險楊祐鳴 Unknown Date (has links) 本論文推導具有特殊條款的高階經理人員工認股權的評價模型與避險比率，依序為績效評估型員工認股權、指數型員工認股權、重設型員工認股權。相對於一般的員工認股權，本論文探討的員工認股權給予發行公司更多的調整彈性，也提供高階經理人與股東更多的保障。接著更進一步推導信用風險下的評價模型，並且比較無信用風險與信用風險下評價模型之間的差異。本論文完成前尚無任何學術研究於信用風險下高階經理人員工認股權的評價模型與避險比率，這是一個重要的貢獻。信用風險高階經理人員工認股權績效評估型員工認股權指數型員工認股權重設型員工認股權
6	履約價重設對匯率連動賣權之影響 / The Impact of Resetting Strike Price on Prices and Risks of Quanto Options 何立凱, Ho, Li-Kai Unknown Date (has links) 本論文主要結合了「匯率連動選擇權」與「多點重設型選擇權」、「履約價回顧型選擇權」，除了評價與分析四款匯率連動多點重設型賣權以及匯率連動履約價回顧型賣權，並且探討重設點之選擇對於賣權價格之影響，使其理論與模型更為一般化，發行券商或銀行欲發行此類商品時，更能夠依據模型做更進一步之風險控管，藉以降低避險損失。 / For the most part, this article combines the quanto option with the multiple-reset put and lookback put. In addition to price and analyze the four specific types of quanto multiple-reset puts and quanto lookback puts, this article also provides a more comprehensive study on how the frequency of resetting in exercise price affects the quanto puts’ price and risk. When issuers issue this kind of financial product, based on the model in this article, they will be able to better control the risk further and secure the investment return by diminishing the loss of hedging. 匯率連動多點重設型賣權回顧型賣權新奇選擇權 Quanto Option Multiple-reset Option Lookback Option Exotic Option
7	增進樹狀模型評價重設型選擇權效率之方法王志原, Wang, Chih-Yuan Unknown Date (has links) 傳統上，對於選擇權的評價模型，大抵可分為封閉解與數值分析兩大類。封閉解計算的速度快，但卻十分缺乏彈性，譬如無法求得美式解，相反的數值分析相當具有彈性，評價時卻比較耗時，譬如障礙選擇權。本文針對上面的問題，提出一個以數值分析中的樹狀模型為基礎，輔以封閉解來維持應有的彈性，並提高計算的速度，我們將此方法稱之為分解結合法。由於樹狀模型用來評價重設型選擇權必須考慮消除重設界限所導致的非線性誤差，在本文中，主要是以Boyle and Lau(1994)的二元樹模型及Ritchken(1995)的三元樹模型作為主要的架構，搭配分解結合法來針對重設型選擇權進行研究。就本文分析的結果顯示，利用分解結合法不但能夠提高計算的速度，同時對於某些條件下的選擇權，還能夠減少其評價的波動度，效果相當的顯著。本文主要針對單點單價式與整段時間單價式的重設型選擇權，推導適用分解結合法的方法。以此兩種基本的重設型選擇權為基礎，我們將相同的概念推廣至其他更複雜的重設型選擇權上。此外在選取結合的方式上，我們也可以充分利用已經推導出的重設型選擇權封閉解，應用在更複雜的重設條件上，無形中，增加了封閉解的應用彈性，也減少了樹狀模型的評價時間，所以具有一舉兩得的效果。此外，本文也針對分解結合法的評價速度，作一完整的比較。並在最後，本文也針對分解結合法下避險比率的計算以及重設型選擇權避險所特有的現象：Delta Jump、Negative Delta，這兩種情形發生的原因及可能的影響與因應之道進行分析。二元樹三元樹樹狀模型重設型選擇權分解結合法 reset option barrier option tree model binomial tree trinomial tree option

1

Page generated in 0.0202 seconds