摘要 本文是利用1998年底以前券商發行的15支認購權證為研究標的，試圖說明不同波動度的估計方法，會使得認購權證的理論價與市價產生不同的誤差，藉以提供券商在評價認購權證上作一參考。本文的實證結果發現：（1）在波動度的參數估計上，各模型均有波動度群集效果，但是訊息不對稱的效果各模型卻無一致性的結果；（2）在各模型的預測能力比較上，ARCH-M(1,1)模型都比ARCH(1,1)的預測能力佳。歷史波動度對於標的股的波動度小具有較佳的預測能力，而EGARCH-M(1,1)模型與GJR-GARCH-M(1,1)模型在預測波動度較大的標的股時具有較佳的預測結果；（3）以預測誤差百分比來比較各模型在預測認購權證上何者具有較小的誤差，結果發現：不論有無考慮交易成本及間斷性避險，預測能力最差的是歷史波動度，而預測能力最佳的則是隱含波動度模型，此乃因為台灣認購權證市場只有認購權證而無認售權證所致；（4）以市場溢價來比較那一支認購權證較值得投資者購買，結果發現：若權證處於價外，會使得市場溢價過高，而不利投資者購買；相反，若權證價格處於價內，則使得市場溢價較低，投資者購買較有利；（5）利用Delta法及Delta-Gamma法來計算大華01可發現：不同波動度的估計方法會影響該權證的涉險值，由於隱含波動度明顯高於其他方法所估算的值，故以隱含波動度計算的涉險值也就高於其他模型之涉險值。 目錄 謝辭 摘要 第一章 緒論 第一節 研究背景與動機 ………………………………………….1-1 第二節 研究問題與目的 ………………………………………….1-4 第三節 論文架構與流程 ………………………………………….1-5 第二章 文獻回顧 第一節 隨機波動度模型 ……………………………………….2-1 壹 Hull & White（1987）模型 …………………………..2-1 貳 Wiggins（1987）模型 ………………………………..2-3 參 Johnson & Shanno（1987）模型 …………………….2-4 肆 Scott（1987）模型 …………………………………...2-5 伍 Stein & Stein（1991）模型 …………………………..2-6 陸 Heston（1993）模型 …………………………………2-8 第二節 GARCH體系---波動度估計之方法 ……………………2-10 壹 GARCH模型 …………………………………………2-10 貳 EGARCH模型 ………………………………………..2-10 參 GJR-GARCH模型 ……………………………………2-11 肆 N-GARCH模型 ………………………………………2-12 伍 T-GARCH模型 ………………………………………2-12 第三章 研究方法 第一節 波動度之估計方法 ……………………………………….3-1 壹 歷史波動度 ……………………………………………3-1 貳 GARCH(1,1)模型 ……………………………………..3-2 參 EGARCH(1,1)模型 …………………………………..3-3 肆 GJR-GARCH（1,1）模型 …………………………...3-5 伍 ARCH-M（1,1）模型 ………………………………..3-7 陸 隱含波動度模型（Implied Volatility） ………………3-8 第二節 選擇權評價公式之探討 ………………………………….3-24 壹 Black & Scholes的選擇權評價模型 ………………...3-24 貳 考慮交易成本極間斷性避險下的選擇權評價模型 ...3-25 第四章 實證結果與分析 第一節 波動度的估計與預測能力 ………………………………4-1 第二節 選擇權評價理論的實證結果 …………………………4-18 第三節 認購權證涉險值（VAR）之衡量與應用 ………………4-53 第五章 結論與建議 ……………………………………………….5-1 附錄 …………………………………………………………附-1 參考文獻 …………………………………………………………Ⅰ

本研究以Lévy過程為模型基礎，考慮Merton Jump及跳躍強度服從Hawkes Process的Merton Jump兩種跳躍風險，利用Particle Filter方法及EM演算法估計出模型參數並計算出對數概似值、AIC及BIC。以S&P500指數為實證資料，比較隨機波動度模型、Variance Gamma模型及兩種不同跳躍風險對市場真實價格的配適效果。實證結果顯示，隨機波動度模型其配適效果勝於Variance Gamma模型，且加入跳躍風險後可使模型配適效果提升，尤其在模型中加入跳躍強度服從Hawkes Process的Merton Jump，其配適效果更勝於Merton Jump。整體而言，本研究發現，以S&P500指數為實證資料時，SVHJ模型有較好的配適效果。 / This paper, based on the Lévy process, considers two kinds of jump risk, Merton Jump and the Merton Jump whose jump intensity follows Hawkes Process. We use Particle Filter method and EM Algorithm to estimate the model parameters and calculate the log-likelihood value, AIC and BIC. We collect the S&P500 index for our empirical analysis and then compare the goodness of fit between the stochastic volatility model, the Variance Gamma model and two different jump risks. The empirical results show that the stochastic volatility model is better than the Variance Gamma model, and it is better to consider the jump risk in the model, especially the Merton Jump whose jump intensity follows Hawkes Process. The goodness of fit is better than Merton Jump. Overall, we find SVHJ model has better goodness of fit when S&P500 index was used as the empirical data.

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.

本研究利用美國芝加哥商品交易所針對 18 個城市發行之冷氣指數／暖氣指數衍生性商品與相對應之日均溫進行分析與評價。研究成果與貢獻如下：一、延伸 Alaton, Djehince, and Stillberg (2002) 模型，引入跳躍風險、隨機波動度、波動跳躍等因子，提出新模型以捕捉更多溫度指數之特徵。二、針對不同模型，分別利用最大概似法、期望最大演算法、粒子濾波演算法等進行參數估計。實證結果顯示新模型具有較好之配適能力。三、利用 Esscher 轉換將真實機率測度轉換至風險中立機率測度，並進一步利用　Feynman-Kac 方程式與傅立葉轉換求出溫度模型之機率分配。四、推導冷氣指數／暖氣指數期貨之半封閉評價公式，而冷氣指數／暖氣指數期貨之選擇權不存在封閉評價公式，則利用蒙地卡羅模擬進行評價。五、無論樣本內與樣本外之定價誤差，考慮隨機波動度型態之模型對於溫度衍生性商品皆具有較好之評價績效。六、實證指出溫度市場之市場風險價格為負，顯示投資人承受較高之溫度風險時會要求較高之風險溢酬。本研究可給予受溫度風險影響之產業，針對衍生性商品之評價與模型參數估計上提供較為精準、客觀與較有效率之工具。 / This study uses the daily average temperature index (DAT) and market price of the CDD/HDD derivatives for 18 cities from the CME group. There are some contributions in this study: (i) we extend the Alaton, Djehince, and Stillberg (2002)'s framework by introducing the jump risk, the stochastic volatility, and the jump in volatility. (ii) The model parameters are estimated by the MLE, the EM algorithm, and the PF algorithm. And, the complex model exists the better goodness-of-fit for the path of the temperature index. (iii) We employ the Esscher transform to change the probability measure and derive the probability density function of each model by the Feynman-Kac formula and the Fourier transform. (iv) The semi-closed form of the CDD/HDD futures pricing formula is derived, and we use the Monte-Carlo simulation to value the CDD/HDD futures options due to no closed-form solution. (v) Whatever in-sample and out-of-sample pricing performance, the type of the stochastic volatility performs the better fitting for the temperature derivatives. (vi) The market price of risk differs to zero significantly (most are negative), so the investors require the positive weather risk premium for the derivatives. The results in this study can provide the guide of fitting model and pricing derivatives to the weather-linked institutions in the future.