本研究應用一般正定多變量GARCH模型，探討國際油價大漲前後布蘭特原油、西德州原油與杜拜原油等三種國際原油現貨報酬率的動態關連，最後並以衝擊反應函數分析跨期動態效果。
實證結果顯示：(1)布蘭特原油現貨報酬率與西德州原油現貨報酬率間之相互影響較強烈且兩者之相互影響力在油價大漲後增加；而杜拜原油現貨報酬對其餘兩原油現貨報酬率之影響力相對較弱。(2)外溢效果方面，油價大漲前個別市場前期未預期報酬率的衝擊對另一市場之波動多產生正向影響，但油價大漲後，則正負皆具。(3)在衝擊反應的分析中各原油現貨報酬率面對自身或其餘兩市場衝擊的反應期間在油價大漲後均拉長。由此證明油價大漲前後動態關係之差異性極大，值得做為市場參與者參考。

In this study, we apply the BEKK multivariate GARCH model, proposed by Engle and Kroner (1995), to analyze the relationships among the Brent crude oil return, the West Texas Intermediate crude oil return and the Dubai crude oil return. The sample period is divided into before uptrend and during uptrend two sub-periods. First, we deeply analyze dynamic relationships of three crude oil returns. Moreover, we use impulse response function to analyze the dynamic effect when one variable’s innovation occurred.
     The results show that the return of Brent and WTI affect each other strongly especially during uptrend period. For spillover effect, the unexpected impulse occur positive effect to other markets before uptrend period. However, the result is inconsistent during up-trend period. Finally, for impulse response function, we found the impulse reflection period obviously extended when facing itself or other markets, during uptrend period. Thus, we prove that the dynamic relationships and impulse response function of three returns between oil price uptrend and during uptrend is obviously different.

第一章 緒論	                                      1
  第一節 研究動機	                                      1
  第二節 研究目的	                                      2
  第三節 原油現貨市場概況	                             3
  第四節 研究架構	                                      4
  第五節 研究流程	                                      5
第二章 文獻回顧	                                      6
  第一節 探討原油價格之國外相關文獻	                    6
  第二節 探討原油價格之國內相關文獻	                    7
  第三節 探討一般正定多變量GARCH模型之國內相關文獻	 11
第三章 研究方法	13
  第一節 單根檢定	13
  第二節 自我迴歸條件異質變異數模型	16
  第三節 ARCH效果檢定	17
  第四節 單變量GARCH模型	19
  第五節 多變量GARCH模型	21
第四章 實證結果與實證分析	25
  第一節 資料來源與處理	25
  第二節 基本統計量分析	27
  第三節 單根檢定	         34
  第四節 ARCH效果檢定	36
  第五節 多變量GARCH模型之實證分析	37
  第六節 衝擊反應函數	46
第五章 結論	53
參考文獻	54

表 目 錄
【表4.2.1】全樣本國際原油現貨價格之基本統計量	30
【表4.2.2】油價大漲前及大漲後國際原油現貨報酬率之基本統計量	31
【表 4.3.1】國際原油現貨價格時間序列資料的單根檢定(水準項)	34
【表 4.3.2】國際原油現貨報酬率時間序列資料的單根檢定(差分項)	35
【表 4.4.1】油價大漲前國際原油現貨報酬率之ARCH效果檢定	36
【表 4.4.2】油價大漲後國際原油現貨報酬率之ARCH效果檢定	36
【表4.5.1】油價大漲前國際原油現貨多變量GARCH(1,1)模型之估計	39
【表4.5.2】油價大漲後國際原油現貨多變量GARCH(1,1)模型之估計	42
圖 目 錄
【圖4.2.1】 布蘭特原油現貨走勢圖	28
【圖4.2.2】 西德州原油現貨走勢圖	28
【圖4.2.3】 杜拜原油現貨走勢圖	28
【圖4.2.4】 布蘭特原油現貨報酬率趨勢圖	29
【圖4.2.5】 西德州原油現貨報酬率趨勢圖	29
【圖4.2.6】 杜拜原油現貨報酬率趨勢圖	29
【圖 4.6.1】 油價大漲前布蘭特原油現貨報酬率之衝擊反應圖	48
【圖 4.6.2】 油價大漲前西德州原油現貨報酬率之衝擊反應圖	48
【圖 4.6.3】 油價大漲前杜拜原油現貨報酬率之衝擊反應圖	48
【圖 4.6.4】 油價大漲後布蘭特原油現貨報酬率之衝擊反應圖	51
【圖 4.6.5】 油價大漲後西德州原油現貨報酬率之衝擊反應圖	51
【圖 4.6.6】 油價大漲後杜拜原油現貨報酬率之衝擊反應圖	51

參考文獻
一、	國內文獻
1.	林秀美(2001)，外匯市場效率性與國際間匯率波動傳遞效果之研究，淡江大學財務金融學系  碩士論文。
2.	邱天禹(2006)，布蘭特原油期貨的波動率－以馬可夫移轉模型分析，國立政治大學國際貿易 研究所碩士論文。
3.	姜淑美、鄭婉秀、邱建良(2003)，「外資交易行為、股市及匯市動態關係之研究」，風險管理學報，第5卷第1期，頁45~64。
4.	胡緒寧、洪瑞成、李命志(2005)，「原油期貨的跳躍行為與跳躍相關性－CBP GARCH」，  東海管理評論，第8卷第1期，頁53~74。
5.	楊為政(2005)，石油期貨避險比率與避險績效之研究，長庚大學企業管理研究所碩士論文。
6.	劉家文(2001)，油品期貨投資組合單位風險，國立交通大學經營管理研究所碩士論文。
7.	賴宣良(2006)，國內外油價漲跌訊息不對稱之動態分析，亞洲大學國際企業學系碩士論文。
8.	謝秀巒(2005)，能源期貨避險策略之研究－以西德州原油及布蘭特原油為例，淡江大學財務金 融學系碩士論文。




二、國外文獻
1.	Bollerslev, T., (1986), “Generalized Autoregressive Conditional Heteroskedasticity,” Journal of Econometrics, Vol. 31, pp. 307-327.
2.	Bollerslev, T., R. F. Engle, and J. M. Wooldridge, (1988), “A Capital Asset Pricing Model with Time-Varying Covariances,” Journal of Political Economy, Vol. 96, pp. 116-131.
3.	Cabedo, J. D. and I. Moya, (2003), “Estimating Oil Price Value at Risk Using the Historical Simulation Approach,” Energy Economics, Vol. 25, pp. 239-253.
4.	Chan, W. H., (2003), “A Correlated Bivariate Poisson Jump Model for Foreign Exchange,” Empirical Economics, Vol. 28(4), pp. 669-685.
5.	Colm, K. and A. J. Patton, (2000), “Multivariate GARCH Modeling of ExchangeVolatility Transmission in the European Monetary System,” Financial Review, Vol. 41, pp. 29-48.
6.	Dickey, D. A. and W. A. Fuller, (1981), “Likelihood Ratio Statistics forAutoregressive Time Series with a Unit Root,” Econometrica, Vol. 49, pp. 1057-1072.
7.	Engle, R. and B. Yoo, (1987), “Forecasting and Testing in Cointegrated Systems,” Journal of Econometrics, Vol. 35, pp. 143-159.
8.	Engle, R. F., (1982), “Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation,” Econometirca, Vol. 50, pp. 987-1008.
9.	Engle, R. F. and K. F. Kroner, (1995), “Multivariate Simultaneous Generalized ARCH,” Econometric Theory, Vol. 11, pp. 122-150.
10.	Giot, P. and S. Laurent, (2003), “Market risk in Commodity Markets: A VaR Approach,” Energy Economics , Vol. 25, pp. 435-457.
11.	Mandelbrot, B., (1963), “The Variation of Certain Speculative Prices,” Journal of Business, Vol. 36, pp. 394-419.
12.	Perron, P., (1988), “Testing for A Unit Root in A Time Series with a Changing Mean,” Journal of Business and Economic Statistics, Vol. 8, pp. 153-162.
13.	Phillips, P., (1986), “Understanding Spurious Regressions,” Journal of Econometrics, Vol. 33, pp. 311-340.
14.	Phillips, P. C. B. and P. Perron, (1988), “Testing for a Unit Root in Time Series Regression,” Biometrika, Vol. 75, pp. 335-346.
15.	Said, S. E. and D. A. Dickey, (1984), “Testing for Unit Roots in Autoregressive Moving Average Model of Unknown Order,” Biometrika, Vol. 71, pp. 599-607.
16.	Wang, P. and P. Wang, (2001), “Equilibrium Adjustment, Basis Risk and Risk Transmission in Spot and Forward Foreign Exchange Markets,” Applied Financial Economics, Vol. 11, pp. 127-136.