淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-0306201018044800
中文論文名稱 重新評估DCC-GARCH及DCC-CARR模型之避險績效
英文論文名稱 Reevaluate the DCC-GARCH and DCC-CARR model hedging performance
校院名稱 淡江大學
系所名稱(中) 財務金融學系碩士在職專班
系所名稱(英) Department of Banking and Finance
學年度 98
學期 2
出版年 99
研究生中文姓名 黃薇之
研究生英文姓名 Wei-Chih Huang
學號 797530093
學位類別 碩士
語文別 中文
口試日期 2010-05-15
論文頁數 82頁
口試委員 指導教授-邱建良
共同指導教授-洪瑞成
委員-李命志
委員-林卓民
委員-黃博怡
中文關鍵字 DCC模型  CARR模型  效用函數  避險績效 
英文關鍵字 DCC model  CARR model  Utility function  hedge performance 
學科別分類
中文摘要 本文以美國、德國、日本等國之股價指數與指數期貨為主要研究對象,美國史坦普500股價指數、德國法蘭克福指數、日本日經225指數研究期間取自1991年1月1日至2009年12月31日止,美國道瓊工業指數研究期間取自1998年1月1日至2009年12月31日止。運用不同避險績效的衡量方法,包括變異數(Variance) 、效用函數(Utility function)、半變異數(semi-variance)、低度動差(LPM)、條件風險值(CVaR)等來估計OLS、CCC-GARCH、DCC-GARCH、DCC-CARR等避險模型之樣本外避險績效。實證結果發現:1.觀察樣本外期間的避險績效,以OLS避險模型效果最佳。2.若僅比較DCC-GARCH及DCC-CARR模型,以DCC-CARR 模型做為波動性預測指標的動態模型,比DCC-GARCH 模型做為波動性預測指標的動態模型估計更準確。3.本文同時考慮避險交易成本之因素,運用效用函數來評估四大指數避險績效,以OLS模型及DCC-CARR模型避險績效為佳,而考慮交易成本後之DCC-CARR模型避險績效同樣亦較DCC-GARCH模型的避險效果為佳。
英文摘要 This article takes stock index and index future in United States, Germany and Japan as the research object . The sample period of S&P 500、DAX and Nikkei 225 index covers from 1/1/1991 to 31/12/2009, and the sample period of Dow Jones index covers from 1/1/1998 to 12/31/2009. The purpose of this study is to compare the out of sample performances among OLS、CCC-GARCH、DCC-GARCH、DCC-CARR models by using Variance、Utility function、Semi-variance、LPM and CVaR measurements. The empirical result shows: 1. OLS hedging model has the best out of sample performance. 2. In the dynamic model, if it only compares DCC-GARCH and DCC-CARR as the volatility forecasting estimator, DCC-CARR model has more accurate result. 3. If it takes transaction costs into the consideration, Utility function shows OLS and DCC-CARR models both have better hedging performances. Consideration the transaction cost, DCC-CARR model is also better than DCC-GARCH model.
論文目次 目 錄
第一章 緒 論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第二章 文獻回顧 6
第一節 股價指數期貨介紹 6
第二節 避險理論 10
第三節 國內外文獻回顧 18
一、避險模型的探討 18
二、波動性文獻探討 23
第三章 研究方法與理論模型 29
第一節 單根檢定 29
第二節 ARCH效果檢定 34
第三節 避險模型 37
一、天真避險 (Naive hedge) 37
二、傳統OLS避險模型 37
三、雙變量GARCH(1,1)避險模型 38
四、CARR 模型 41
五、DCC(Dynamic Conditional Correlation)模型 43
第四節 避險績效的衡量 48
一、變異數 (Variance)與半變異數 (semi-variance) 48
二、低度動差 (LPM) 49
三、風險值(Value at risk,VaR)及條件風險值 (CVAR) 51
第五節 效用函數 (Utility Function) 53
第四章 實證結果與分析 55
第一節 資料來源與變數定義 55
第二節 樣本資料的基本統計量 57
第三節 實證模型之結果分析 64
第伍章 結論 75
參考文獻 77
表 目 錄
【表2-1-1】期貨契約的種類 6
【表2-1-2】各國股價指數之標的 8
【表2-1-3】各國股價指數期貨之簡介 8
【表4-2-1】各國股價指數報酬率之基本統計量 57
【表4-2-1續】各國股價指數報酬率之基本統計量 58
【表4-2-2】各國股價指數變幅之基本統計量 59
【表4-2-3】各國指數現貨與期貨報酬率之ARCH效果檢定 60
【表4-2-4】各國指數現貨與期貨變幅之ARCH效果檢定 60
【表4-2-5】美國S&P500指數之參數估計值 61
【表4-2-6】德國DAX指數之參數估計值 62
【表4-2-7】日本Nikkei225指數之參數估計值 62
【表4-2-8】美國Dow Jones指數之參數估計值 63
【表4-3-1】五大避險模型及五大衡量方法之樣本外避險績效 66
【表4-3-1續】五大避險模型及五大衡量方法之樣本外避險績效 67
【表4-3-2】四大指數最佳避險模型 69
【表4-3-3】DCC-GARCH及DCC-CARR樣本外避險績效 71
【表4-3-4】考慮交易成本後之避險績效-以效用函數(Utility)為避險衡量方法 73
【表4-3-4續】考慮交易成本後之避險績效-以效用函數(Utility)為避險衡量方法 74
參考文獻 一、國外文獻
1. Baillie, R. T. and Myers, R. J. (1991). "Bivariate GARCH Estimation of the Optimal Commodity Futures Hedge", Journal of Applied Econometrics, 6, 109-124.
2. Bawa, V. S. and Lingenberg, E. B. (1977). "Capital Market Equilibrium in a Mean-lower Partial Moment Framework", Journal of Financial Economics, 5, 189-200.
3. Bollerslev, T. (1986). "Generalized Autoregressive Conditional Heteroskedasticity", Journal of Econometrics, 31, 307-327.
4. Bollerslev, T., Engle, R. F. and Wooldridge, J. M. (1988). "A Capital Asset Pricing Model with Time-varying Covariances", Journal of Political Economy, 96, 116-131.
5. Bollerslev, T. (1990). "Modeling the Coherence in Short-run Nominal Exchange Rate Generalized ARCH", Review of Economics and Statistics, 70, 498-505.
6. Cecchetti, S. G., Cumby, R. E. and Figlewski, S. (1988). "Estimation of the Optimal Future Hedge", Review of Economics and Statistics, 70, 623-630.
7. Chen, S. S., Lee, C. F. and Shrestha, K. (2003). "Futures Hedge Ratios: A Review", Quarterly Review of Economics and Finance, 43, 433-465.
8. Chou, R.Y. (2005a). "Forecasting Financial Volatilities with Extreme Values: the Conditional Autoregressive Range (CARR) Model", Journal of Money Credit and Banking, 37, 561-582.
9. Chou, R. Y., Wu, C. C. and Liu, N. (2005b). "Forecasting Correlation and Covariance with a Range-based Dynamic Conditional Correlation Model", Working Paper.
10. Chou, R. Y., Wu, C. C. and Liu, N. (2009). "Forecasting Time-varying Covariance with a Range-based Dynamic Conditional Correlation Model", Review of Quantitative Finance and Accounting, 33, 4, 327-345.
11. Cotter, J. and Hanly, J. (2006). "Reevaluating Hedging Performance", Journal of Futures Markets, 26, 7, 677-702
12. Ederington, L. H. (1979). "The Hedging Performance of the New Futures Markets", Journal of Finance, 34, 157-170
13. Efron, B. (1979). "Bootstrap Methods: Another Look at the Jackknife", Annals of Statistics, 7, 1-26.
14. Engle, R. F. (1982). "Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of. United Kingdom Inflation", Econometrica, 50, 987-1007.
15. Engle, R. F. and Ng, V. K. (1993). "Measuring and Testing the Impact of News on Volatility", The Journal of Finance, 48, 1749-1778.
16. Engle, R. F. and Kroner, K. F. (1995). "Multivariate Simultaneous Generalized ARCH", Econometric Theory, 11, 122-50.
17. Engle, R. F. (2002). "Dynamic Conditional Correlation: A Sample Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models", Journal of Business and Economic Statistics, 20, 339-350.
18. Fishburn, P. C. (1977). "Mean-risk Analysis with Risk with Below-target-return", American Economic Review, 67, 2, 116-25.
19. Fisher, B. and Myron, S. (1973). "The Pricing of Options and Corporate Liabilities", Journal of Political Economy, 81, 3, 637-654.
20. French, K., Schwert, W. and Stambaugh, R. (1987). "Expected Stock Returns and Volatility", Journal of Financial Economics, 19, 3-30.
21. Harris, R. D. F. and Shen, J. (2003). "Robust Estimation of the Optimal Hedge Ratio", Journal of Futures Markets, 23, 799-816.
22. Harris, R. D. F., Stoja, E. and Tucker, J. (2007). "A Simplified Approach to Modeling the Co-movement of Asset Returns", Journal of Futures Markets, 27, 6, 575–598.
23. Hsin, C. W., Kuo, J. and Lee, C. F. (1994). "A New Measure to Compare the Hedging Effectiveness of Foregin Currency Futures Versus Options", Journal of Futures Market, 14, 6, 685-707.
24. Johnson, L. L. (1960). "The Theory of Hedging and Speculation in Commodity
Futures", Review of Economic Studies, 27, 139-151.
25. Kroner, K. F. and Sultan, J. (1993). "Time-varying Distributions and Dynamic Hedging with Foreign Currency Futures", Journal of Financial and Quantitative Analysis, 4, 535-551.
26. Lee, H. T., Yoder, J. K., Mittelhammer, R. C. and McCluskey, J. J. (2006). "A Random Coefficient Autoregressive Markov Regime Switching Model for Dynamic Futures Hedging", Journal of Futures Markets, 26, 2, 103-129.
27. Lien, D. and Tse, Y. K. (1990). "Fractional Cointegration Future Hedging", Journal of Futures Markets, 19, 457-474.
28. Lien, D., Tse, Y. K. and Tsui, A. (2002). "Evaluating the Hedging Performance of the Constant-correlation GARCH Model", Applied Financial Economics, 12, 791-798.
29. Lien, D.and Yang, L. (2006). "Spot-futures spread, Time-varying Correlation, and Hedging with Currency Futures", Journal of Futures Markets, 26, 1019-1038.
30. Lien, D. and Yang, L. (2008). "Asymmetric Effect of Basis on Dynamic Futures Hedging: Empirical Evidence from Commodity Markets", Journal of Banking and Finance, 32, 187-198.
31. Markowitz, H. M. (1952). "Portfolio Selection", The Journal of Finance, 7, 71-91.
32. Park, T. and Switzer, L. (1995). "Bivariate GARCH Estimation of the Optimal Hedge Ratios for Stock Index Futures: A Note", Journal of Futures Markets, 15, 61-67.
33. Politis, N. D. and Romano, J. P. (1994). "The Stationary Bootstrap", Journal of American Statistical Association, 89, 1303-1313.
34. Roy, A. (1952). "Safety First and the Holding of Assets", Econometrica, 20, 431-449.
35. Stein, J. L. (1961). "The Simultaneous Determination of Spot and Futures Prices", American Economic Review, 51, 1012-1025.
二、國內文獻
1.古欣卉,(2006),「預測財務波動性:CARR模型的應用」,淡江大學財務金融學所碩士論文。
2.陳志偉,(2005), 「外匯投資組合風險值之估計-DCC多變量GARCH模型之應用」,淡江大學財務金融學所碩士在職班論文。
3.賴曉萍,(2009),「台灣50 ETF(TTT)避險策略研究」,淡江大學財務金融學所碩士在職班論文。
4.沈育展,洪瑞成,邱建良,李命志,(2004),「日經225指數期貨之避險績效與最適避險策略之探討」,輔仁管理評論第十一卷第一期,153-180。
5.邱美卿,(2007),「DCC 模型下外匯期貨避險績效之分析」,國立交通大學經營管理研究所碩士論文。
6.邱哲修,林卓民,洪瑞成,柯月華,(2005),「價格跳躍與避險策略之探討-以道瓊工業指數現貨與期貨為例」,財金論文叢刊2004年6月,第一期,1-23。
7.王怡文,(2007),「西德州與布蘭特原油避險策略」,淡江大學財務金融學所碩士論文。
8.周雨田,巫春洲,劉炳麟,(2004),「動態波動模型預測能力之比較與實證」,財金論文叢刊2004年6月,第一期,1-23。
9.洪慎慈,(2006),「風險值衡量:變幅DCC 模型的應用」,國立交通大學財務金融研究所碩士論文。
10.陳昱宏,(2005),「利用DCC-CARR及DCC-GARCH模型求算商品期貨最適避險比率」,國立中央大學財務金融學系碩士論文。
11.劉炳麟,(2009),「多變量變幅波動模型的理論與應用」,國立交通大學財務金融研究所博士論文。
12.劉炳麟,(2002),「CARR 模型之實證研究-以台股指數為例」,國立中央大學財務金融學所碩士論文。
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2013-06-18公開。
  • 同意授權瀏覽/列印電子全文服務,於2012-09-01起公開。


  • 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