Global ETD Search

1	臺灣外匯市場效率性之實證研究--非恆定計量方法之驗證王倫傑 Unknown Date (has links) 無外匯市場非恆定計量方法
2	The Cointegration of Exchange、Interetest Rate、Money Supply、 Real GNP---the Application of Johansen Sequential Testing Procedure 吳明修, Wu, Ming-Shou Unknown Date (has links) 本文的主要目的為比較不同模型或者不同檢定所產生的不同結果。選擇的遞延期數(lag)不同,則所得到的模型與共積數目也不一樣,使得不同遞延期數(lag)、不同模型所得到的共積關係也不相同。所以本文將驗證在不同遞延期數下,所得到的不同模型共積關係的表現。因此希望利用Johansen Sequential Testing Procedure來同時決定共積關係數目及資料產生過程(DGP),而且也能探討共積關係。但其仍有缺點,例如Johansen Sequential Testing Procedure所取的遞延期數不同則所選定的模型也將不一樣,另一點是共積係數的估計值只是一basis。共積非恆定 Cointegration Non-stationary Johansen sequential testing Procedure
3	多元自迴歸條件異質變異數之模型設定研究欉清全, Genius Tung Unknown Date (has links) 經濟理論明白揭示，在不確定下，金融性資產的選擇不僅要考慮其未來報酬率的平均值，更需將風險程度納入決策過程中。而最佳風險測度為預測誤差的變異數(Variance of Forec ast Error)。傳統實証方法均視變異數為固定常數，實無法掌握變異數具有條件異質性的特點。為了到達此目的，Engle(1982) 提出向量自迴歸條件異質變異數(ARCH)模型，此模型假定條件變異數不再是固定常數而是過去干擾項平方的線型函數，為實証方法上一項偉大的突破。在考慮多個變數的聯立動態體系中，由於跨方程式間可以互相提供額外的訊息，往往可以增加估計的效率性，直覺上比單變數的設定更能掌握資料的實際情形。故往後的學者便提出了多元自迴歸條件異質變異數(Multivariate ARCH) 模型，此一模型亦有其缺點存在，因其待估計參數過多，形成自由度嚴重減少，將導致估計值缺乏效率性。所以如何利用可獲得的有限資料對模型進行更有效率的估計方式，此為研究 Multivaria te ARCH的重要課題。本文將對Multivariate ARCH做一系列的介紹，並利用VAR 的貝氏方法對參數進行估計。而多元因素AR CH模型也是探討的重點。穩健統計量非恆定共積準最大概似估計式因素分析 robust statistics Co-integration unit root Multivariate ARCH
4	混合型資料下之單位根檢定研究：平均概似比統計量之建立與模擬 / Panel Unit Root Test 邱惠玉, Chiu, Huei-Yu Unknown Date (has links) 自Nelson和Plosser (1982)後，研究經濟資料是否具有單位根現象，已成為近二十年來熱門且重要的課題。因為資料性質的不同(恆定或非恆定)，對實證計量模型的設定、統計推論以及原理論的發展有深遠的影響。與傳統探討單一時間數列之單位根的論文不同的是，本篇論文將橫斷面的資料擴大，探討混合型資料的單位根現象 ( Panel Unit Root )。就此課題，文獻上已有兩個不同的檢定方法: Levin、Lin和Chu (1997)的LLC檢定法以及Im、 Pesaran和Shin (1995)的IPS檢定法。我們的研究，有別於以上兩者，是從「概似比」的角度(likelihood ratio) 和應用檢定共積關係的Johansen (1988)「Trace檢定」，建構新的單位根檢定統計量。首先於文中推導出，「Trace檢定」可用於檢測單一時間數列的單位根現象。進而，再將橫斷面資料擴大，採用mean group方法，加總平均每個橫斷面時間數列的「Trace 檢定」統計量，形成混合型資料之單位根檢定統計量。根據中央極限定理，標準化後的檢定統計量，極限上收斂至標準常態分配。此外，我們也推導得出檢定統計量與傳統ADF、LLC以及IPS檢定統計量極限上的關係。最後，我們以「蒙地卡羅」模擬方法，分析小樣本下「型一誤差」與「檢定力」的表現。發現新的混合型資料之單位根檢定統計量表現優良，近似於標準常態分配。故在做混合型資料的單位根分析時，採用檢定統計量，可得到較精確的推論。混合型資料單位根檢定單根檢定非恆定共積關係 Trace檢定概似比統計量 LLC檢定 panel data unit root IPS test nonstationary cointegration Trace test likelihood ratio test LLC test
5	臺灣匯率非恆定實證方法預測之研究 / The prediction of new Taiwan dollars-nonstationary method 賴恬忻, Lai, Teng-Shing Unknown Date (has links) 自1997年以降，受到亞洲金融風暴的衝擊，亞洲各國匯率巨幅波動，於是如何增進匯率預測的準確度已成為重要的研究課題。而自1973年布列敦森林體制崩潰，各工業國家改採浮動匯率以來，匯率巨幅波動致使國際收支理論不再能解釋匯率如何決定，於是1970年代，學者們紛紛提出各種匯率決定理論，其中以貨幣學派模型與資產組合平衡模型最受到重視。然而，自1978年始，這些結構模型的解釋能力逐漸受到質疑，在1983年Meese and Rogoff甚至提出結構模型的樣本外預測能力不如隨機漫步模型的樣本外預測表現，引起學者們的討論到底何者的樣本外預測表現較佳。而隨著計量方法的演進實證研究已由恆定的計量方法演進至非恆定的計量方法，在非恆定的計量方法方面，MacDonald and Taylor(1993、1994)、吳宜璋(1996)等人的研究皆採誤差修正模型來做預測。本研究亦採誤差修正模型來做預測，但對其他學者的研究稍作改良：1.加入結構變動虛擬變數2.以向量誤差修正模型而非一條誤差修正的式子來做預測，在此以整個體系的觀點來做預測3.以背氏方法加入相驗情報來改善預測。結論為在金融風暴發生期間，匯率受非基本面因素影響較大時，貝氏向量自迴歸模型預測表現較佳。而在金融風暴發生之前，匯率受基本面影響較小時，以貝氏向量誤差修正模型為良好的預測模型。 / This study improves other scholars' empirical studies by testing structure changes and by using Vector Error Correction Model to forecast N.T. Dollars. Futhermore,use Bayesian Method to improve predition .The conclusion is Bayesian VAR Model perform better when forecasting period include Asian finanl crisis . And Bayesian VECM Model is better model when forecasting period don't include Asian financial crisis.And the out of sample prediction performance of structure model is better than Random Walk Model. 貨幣學派模型隨機漫步模型非恆定實證方法共積關係向量誤差修正模型貝氏方法 Montary approach model Random walk Non-stationay method Cointegration Error correction model Bayesian method

1

Page generated in 0.0215 seconds