淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


  查詢圖書館館藏目錄
系統識別號 U0002-0206201111425600
中文論文名稱 台灣股價指數與總體經濟關聯性結構之研究Copula模型之應用
英文論文名稱 Dependence Structure between Taiwan Stock Index and Macroeconomic Via Copula Function Approach
校院名稱 淡江大學
系所名稱(中) 財務金融學系碩士班
系所名稱(英) Department of Banking and Finance
學年度 99
學期 2
出版年 100
研究生中文姓名 王冠尊
研究生英文姓名 Kuan-Tsun Wang
學號 698530374
學位類別 碩士
語文別 中文
第二語文別 英文
口試日期 2011-05-08
論文頁數 65頁
口試委員 指導教授-李沃牆
共同指導教授-池秉聰
委員-李沃牆
委員-張揖平
委員-林維垣
中文關鍵字 Copula  蔓延效果  總體經濟變數 
英文關鍵字 Copula  Contagion effect  Macroeconomic 
學科別分類 學科別社會科學商學
中文摘要 股票價格的波動往往與一國經濟表現有很大的關係,許多總體經濟變數能解釋一個國家的經濟表現狀況,若能事先充分了解這些總體經濟變數與股票報酬間變動之情形,便能有助於投資者提高投資報酬,並且利用兩變數之變動結構降低投資風險。過去文獻大多使用時間序列中的因果關係檢定、衝擊反應函數、預測變異數分解等方法,這些方法一般只能判斷變動方向以及變動之程度,但往往忽略兩變數間變動之結構。本研究應用Copula 函數找出股價與總體經濟變數最適的相依關係,並透過最佳的Copula 函數求出不同市場間的條件蔓延機率並解釋其存在之經濟意涵,經由實證結果發現:
一、股價與匯率變動關係有Gumbel Copula右尾相依特性,當匯率上 漲時股價跟著上漲之機率,比匯率下跌時股價跟著下跌時要高,顯然投資者可利用匯率做為多頭投資之指標,利率、CPI與IPI也具有此一特性,但表現較不明顯。
二、股價與貨幣供給量變動關係為Clayton Copula左尾相依特性,實證結果與匯率、CPI、IPI剛好相反,當貨幣供給量下降股價跟著下跌,比貨幣供給量增加股價跟著上漲時要高,所以可以當作空頭之指標。
英文摘要 The volatility of stock price often has a great relationship with the performance of a country’s economy. Many macroeconomic variables can explain the situation of a country’s economic performance. If investors understand the relationship of volatility between macroeconomic variables and stock price in advance, they could improve returns and reduce risk. Most of previous studies used time series method, for example Granger Causality, impulse response functions, and forecast variance. These methods are limited to only the direction and degree of relations between macroeconomic variables and stock price, but all of them ignored the structure of two variables changes. This article applies Copula functions to find the best dependence of stock price and macroeconomic variables through the optimization of Copula functions that could calculate the contagion probabilities of different markets and explain economic implications. The empirical results as following:
First, the relation between stock price and exchange rate has the characteristic of Gumbel Copula, which means the probability of exchange rate appreciation influencing stock price rise is higher than the probability of exchange rate depreciation influencing stock price drop. Obviously investors could use exchange rate as long signal, and the others like CPI and IPI also have the same characteristics but not significant.
Second, the relation between stock price and money supply has the characteristic of left tail of Clayton Copula. The results of exchange rate, CPI and IPI are right tail of Gumbel Copula. Specially, the probability of money supply down influencing stock price down is higher than the probability of money supply up influencing stock price up. Thus, money supply could be as an indicator of short positions.
論文目次 目錄
謝辭 III
目錄 IV
表目錄 V
圖目錄 VII
第一章 緒論 1
第一節 研究動機與背景 1
第二節 研究目的 3
第三節 研究架構與流程 4
第二章 理論及相關文獻回顧 5
第一節 股價評價理論介紹 5
第二節 股價評價相關文獻 11
第三節 Copula相關文獻 14
第三章 研究方法 17
第一節 Copula定義與相關概念 17
第二節 Copula蔓延機率之運用 27
第三節 Copula適合度檢定 28
第四章 實證結果與分析 29
第一節 研究資料與來源 29
第二節 估計參數與Copula配適結果 30
第三節 卡方適合度檢定之結果 56
第四節 蔓延機率與經濟涵義 57
第五章 結論與建議 60
第一節 研究結論 60
第二節 研究建議 61
一、中文文獻 62
二、英文文獻 63

表目錄
表1 Copula函數和相對應之相關係數Kendall’s τ 26
表2基本統計量 29
表3股價與匯率Copula參數估計值 31
表4股價與匯率聯合經驗分配次數 31
表5股價與匯率Gaussian分配次數 32
表6股價與匯率Clayton分配次數 33
表7股價與匯率Gumbel分配次數 34
表8股價與匯率Frank分配次數 35
表9股價與CPI Copula參數估計值 36
表10股價與CPI聯合經驗分配次數 36
表11股價與CPI Gauassian分配次數 37
表12股價與CPI Clayton分配次數 38
表13股價與CPI Gumbel分配次數 39
表14股價與CPI Frank分配次數 40
表15股價與M1B Copula參數估計值 41
表16股價與M1B聯合經驗分配次數 41
表17股價與M1B Gaussian分配次數 42
表18股價與M1B Clayton分配次數 43
表19股價與M1B Gumbel分配次數 44
表20股價與M1B Frank分配次數 45
表21股價與利率Copula參數估計值 46
表22股價與利率聯合經驗分配次數 46
表23股價與利率 Gaussian分配次數 47
表24股價與利率 Clayton分配次數 48
表25股價與利率Gumbel分配次數 49
表26股價與利率Frank分配次數 50
表27股價與利率-經驗值與Frank模型預測值比較 50
表28股價與IPI Copula參數估計值 51
表29股價與IPI聯合經驗分配次數 51
表30股價與IPI Gaussian分配次數 52
表31股價與IPI Clayton分配次數 53
表32股價與IPI Gumbel分配次數 54
表33股價與IPI Frank分配次數 55
表34卡方適合度檢定表 56
表35最適函數彙總表 56
表36極端事件蔓延條件機率估計值 59

圖目錄
圖1研究流程 4
圖2 Gaussian Copula蒙地卡羅500次產生隨機變數分佈圖 21
圖3 Student-t Copula蒙地卡羅500次產生隨機變數分佈圖 22
圖4 Clayton Copula蒙地卡羅500次產生隨機變數分佈圖 23
圖5 Gumbel Copula蒙地卡羅500次產生隨機變數分佈圖 24
圖6 Frank Copula蒙地卡羅500次產生隨機變數分佈圖 25
圖7股價與匯率聯合經驗分配次數圖(3D) 31
圖8股價與匯率Gaussian分配次數圖(3D) 32
圖9股價與匯率-經驗值與Gaussian模型預測值比較 32
圖10股價與匯率Clayton分配次數圖(3D) 33
圖11股價與匯率-經驗值與Clayton模型預測值比較 33
圖12股價與匯率Gumbel分配次數圖(3D) 34
圖13股價與匯率-經驗值與Gumbel模型預測值比較 34
圖14股價與匯率Frank分配次數圖(3D) 35
圖15股價與匯率-經驗值與Frank模型預測值比較 35
圖16股價與CPI聯合經驗分配次數圖(3D) 36
圖17股價與CPI Gauassian分配次數圖(3D) 37
圖18股價與CPI-經驗值與Gaussian模型預測值比較 37
圖19股價與CPI Clayton分配次數圖(3D) 38
圖20股價與CPI-經驗值與Clayton模型預測值比較 38
圖21股價與CPI Gumbel分配次數圖(3D) 39
圖22股價與CPI-經驗值與Gumbel模型預測值比較 39
圖23股價與CPI Frank分配次數圖(3D) 40
圖24股價與CPI-經驗值與Frank模型預測值比較 40
圖25股價與M1B聯合經驗分配次數圖(3D) 41
圖26股價與M1B Gaussian分配次數圖(3D) 42
圖27股價與M1B-經驗值與Gaussian模型預測值比較 42
圖28股價與M1B Clayton分配次數圖(3D) 43
圖29股價與M1B-經驗值與Clayton模型預測值比較 43
圖30股價與M1B Gumbel分配次數圖(3D) 44
圖31股價與M1B-經驗值與Gumbel模型預測值比較 44
圖32股價與M1B Frank分配次數圖(3D) 45
圖33股價與M1B-經驗值與Frank模型預測值比較 45
圖34股價與M1B聯合經驗分配次數圖(3D) 46
圖35股價與利率Gaussian分配次數圖(3D) 47
圖36股價與利率-經驗值與Gaussian模型預測值比較 47
圖37股價與利率Clayton分配次數圖(3D) 48
圖38股價與利率-經驗值與Clayton模型預測值比較 48
圖39股價與利率Gumbel分配次數圖(3D) 49
圖40股價與利率-經驗值與Gumbel模型預測值比較 49
圖41股價與利率Frank分配次數圖(3D) 50
圖42股價與IPI聯合經驗分配次數圖(3D) 51
圖43股價與IPI Gaussian分配次數圖(3D) 52
圖44股價與IPI-經驗值與Gaussian模型預測值比較 52
圖45股價與IPI Clayton分配次數圖(3D) 53
圖46股價與IPI-經驗值與Clayton模型預測值比較 53
圖47股價與IPI Gumbel分配次數圖(3D) 54
圖48股價與IPI-經驗值與Gumbel模型預測值比較 54
圖49股價與IPI Frank分配次數圖(3D) 55
圖50股價與IPI-經驗值與Frank模型預測值比較 55

參考文獻 一、中文文獻
1.李育峰、周潮,(2010),「基於Copula函數的我國CPI與PPI相關性分系」,甘
肅金融,第3卷,頁61-64.。
2.李沃牆、黃佳慧,(2010),「應用Copula函數與組合型認購權證評價」,淡江
人文社會學刊,第43期,頁49-80。
3.林勝宏,(2004),國際股市關聯性結構之研究-Copula模型之應用,國立台灣科技大學資訊管理學系碩士論文。
4.林建宇,(2005),匯率與股價不對稱因果關係之實證研究:以台灣為例,國立東華大學國際經濟系碩士論文。
5.吳宗隆、徐清俊(2003),「台股市場與外匯市場報酬與波動關聯性研究-雙變
量GJR-GARCH(1,1)-M模型之應用」,遠東學報,第20卷第4期,頁799-816。
6.黃欽祥,(2005),台灣金融資產實質報酬率與總體經濟因素之分析,國立中正大學國際經濟系碩士論文。
7.劉振豐,(2008),台灣股價指數與總體經濟變數之關聯性研究,國立高雄第一科技大學金融營運系碩士論文。
8.賴奕豪、江福松、林煌傑,(2010)「極端報酬下亞洲股市之蔓延效果:應用
Copula分析法」,經濟與管理論叢,第6卷第2期,頁247-270。
9.謝文馨,(2007),總體經濟變數與股價指數之關聯性研究-以台灣為例,國立成功大學企業管理學系碩士論文。
10.徐燕山(2006),「投資學原理」,台北:東華書局。
11.證基會(2007),「證券投資概論」,台北:證券暨期貨市場發展基金會。
二、英文文獻
1. Abdullah, D. A. and S.H. Hayworth (1993) “Macroeconometrics of stock price fluctuations.” Quarterly Journal of Business and Economics, Vol. 32, No.1, pp.50-67.
2. Benjamin, M. T. (2006) “The dynamic relationship between stock price and exchange rates: evidence for Brazil, ”International Journal of Theoretical and Applied, Vol.9, Issue.8, pp.1377-1396.
3. Chiou, S. C. and R. S. Tsay (2008) “A copula-based approach to option pricing and risk assessment,” Journal of Data Science, Vol.6, pp.273-301.
4. Costinot, A., T. Roncalli and J. Teiletche (2000) “Revisiing the dependence between financial markets with copulas,” Pairs Credit Lyonnais Working Paper.
5. Domian, L. D. , J. E. Gilster and A. D. Louton (1996) “Expected inflation, Interest rates, and Stock returns,” The Financial Review, Vol.31, No. 4, pp.809-830.
6. Genest, C. And L.Rivest (1993) “Statistical inference procedures for bivariate archimedean copulas,” Journal of the American Statistical Association, Vol.88, No.423, pp1034-1043
7. Hu, L.(2006) “Dependence patterns across financial markets : a mixed copula approach, ”Applied Financial Economics, Vol.16, No.10, pp.717-729.
8. Hsu, C. C. , C. P. Tseng and Y. H. Wang (2008) “Dynamic hedging with futures: copula-based GARCH model,” Journal of Futures Markets, Vol.28, Issue.11, pp1095–1116.
9. Huang, J. J. , K. J. Lee, L. Kuo , H. Liang and W. F. Lin(2009) “Estimating value at risk of portfolio by conditional Copula-GARCH method,” Insurance Mathematics and Economics, Vol.45, No.3, pp.315-324.
10. Junker, M., A. Szimayer and N. Wagner (2006) “Nonlinear term structure dependence: copula functions, empirics, and risk implications.” Journal of Banking and Finance, Vol.30, Issue.4 , pp.1171-1199.
11. Jondeau, E. and M. Rockinger (2006) “The Copula-GARCH model of conditional dependencies: An international stock market application,” Journal of International Money and Finance, Vol.25, No.5, pp.827-853.
12. Lee, W. C. and H. N. Lin (2010) “The dynamic relationship between gold and silver futures markets based on Copula-AR-GJR-GARCH model.” Middle Eastern of Finance and Economics, Issue.7, pp.118-129.
13. Manner, H. and O. Reznikova (2009) “Time-varying copulas: a survey,” Institute of Statistics, Universite catholique de Louvain, Louvain-la-Neuve.
14. Najand, N. and G. Noronha (1998) “Causal relations among stock returns, inflation, real activity, and interest rates: evidence from Japan,” Global Finance Journal, Vol.9, No.1, pp.1-80.
15. Nieh, C.C. and C.F. Lee (2001) “Dynamic and relationship between stock prices and exchange rates for G7 countries, ” Quarterly Review of Economics and Finance, Vol.41, No.4, pp.477-490.
16. Palaro, H. P. and L. K. Hotta (2006) “Using conditional copula to estimate value at risk,” Journal of Data Science, No.4, pp.93-115.
17. Rodriguez, J. C. (2007) “Measure financial contagion a copula approach.” Journal of Empirical Finance, Vol.14, Issue.3, pp.401-423.
18. Sklar (1959) “Fonctions repartition a n-dimentions et Leurs Marges,” Publications de l’Institutde Statistique de L’Universite’ de Paris, Vol.8, pp229-231.
19. Schwettzer B. and E. wolff (1981) “On nonparametric measures of dependence for random variable,” Annals of Statistics, Vol.9, pp879-885.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2016-06-10公開。
  • 不同意授權瀏覽/列印電子全文服務。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信