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 U0002-0607201317564800
中文論文名稱 各國波動度指數期貨之避險效益分析
英文論文名稱 Analysis of Hedging Effectiveness in International Volatility Futures
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 101
學期 2
出版年 102
研究生中文姓名 簡瑋筠
研究生英文姓名 Wei-Yun Chien
學號 600530041
學位類別 碩士
語文別 中文
口試日期 2013-06-23
論文頁數 78頁
口試委員 指導教授-邱建良
共同指導教授-黃健銘
委員-邱建良
委員-蔡建雄
委員-黃博怡
中文關鍵字 波動度期貨  波動度  避險績效 
英文關鍵字 VIX future  Volatility  Hedge Performance 
學科別分類
中文摘要 本文之主要研究目的為檢測波動度期貨的避險績效,並且利用美國地區和歐洲地區不同的波動度期貨加以比較分析。此外,本文利用波動度期貨的避險績效結合大盤股票指數之歷史報酬波動判斷現貨波動之幅度用以判斷交易時機。VIX期貨、Mini-VIX期貨代表的是美國期貨市場的樣本,VSTOXX MINI期貨代表歐洲期貨市場的樣本,現貨部分為S&P500指數、EURO STOXX 50 指數收盤價,樣本期間則涵蓋2010年8月2日至2012年7月31日之每日收盤價交易資料,而實證模型除了採用GARCH外,本文進一步採用不同分配之GARCH模型進行檢測,分別為T分配及厚尾分配之GARCH模型。
實證結果發現:(一)持有期間為一個月時有較佳的避險績效。(二)本文在此利用大盤股票指數報酬的波動性當作判斷標準,發現在美國市場下的避險績效和避險期間呈現正相關,歐洲市場則沒有此現象。(三)實證結果顯示美國市場因為成交量較大,導致市場反應速度較快,故投資人持有期間為短天期時,將會有負的避險績效。(四)期貨市場存在高峰厚尾的特性,實證結果顯示能捕捉厚尾的GARCH-T和GARCH-HT模型較GARCH模型佳。(五)使用DM檢測進行樣本外預測分析,以GARCH-T和GARCH-HT模型進一步分析何者有較佳的預測能力,實證結果為在十天期預測下GARCH-HT模型的預測能力較佳。
英文摘要 This thesis investigates hedge performance of VIX future in American area and Europe area. Besides, the thesis combines stock price index’s history return with hedge performance of VIX future for determining volatility and testing the trading timing. VIX futures, Mini-VIX futures represent sample of the American future market. VSTOXX MINI future represents Europe future madrket. There are S&P500 index and EURO STOXX 50 index in spot market. The thesis uses daily close price data during August 2, 2010 to July 31, 2012. In this paper, three different distributions specified with GARCH model, that is, GARCH, GARCH-T and GARCH-HT.
Empirical findings indicate: (1) There is superior hedging effectiveness in one month.(2) This thesis regard stock index return’s volatility as criteria . Hedging effectiveness show positive correlation with hedging period in American area and Europe area don’t. (3) When the investors hold shortly, the hedging effectiveness will be negative in American area. (4) Both GARCH-T model and GARCH-HT model are superior to GARCH model, when the distribution of Future market exhibits leptokurtic and fat-tailed.(5) GARCH-HT model that use DM test to demonstrate the out-sample volatility predicting during in 10 days is more appropriate in comparison with GARCH-T model .
論文目次 目錄 IV
表目錄 VI
圖目錄 VII
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 5
第三節 研究目的 8
第四節 研究流程 9
第五節 研究架構 11
第二章 文獻回顧 12
第一節 避險 12
一、國外避險文獻 12
二、國內避險文獻 14
第二節 波動性指數 18
一、不同模型下的預估能力 18
二、未來預測能力 19
第三節 波動性指數期貨 24
一、波動度期貨定價能力 24
二、波動度期貨對價格的預測能力 24
第三章 研究方法與實證模型 26
第一節 單根檢定 26
一、ADF檢定(Augmented Dickey-Fuller Test) 27
二、PP檢定(Phillips-Perron test) 28
三、非線性指數平滑轉換自我迴歸模型單根檢定模型(KSS檢定) 29
第二節 實證模型 31
一、變數定義 31
二、自我相關異質性檢定 33
三、一般化自我迴歸條件變異模型(Generalized Autoregressive Conditional Heteroskedasticity; GARCH) 34
四、不同誤差項分配形式之比較 37
五、DM 檢定 40
六、實證研究分析步驟 41
第四章 實證結果與分析 45
第一節 樣本資料 45
第二節 樣本資料的基本統計量 46
第三節 單根檢定 48
第四節 模型檢測及模型預測能力之比較 52
第五節 實證模型之結果分析 59
一、未加入現貨波動的避險績效分析 59
二、加入現貨波動的避險績效分析 60
第五章 結論與分析 65
第一節 研究結論 65
第二節 研究建議 67
附錄 68
參考文獻 72
一、國外文獻 72
二、國內文獻 77


表目錄
【表3-2-1】資料期間 45
【表4-2-1】變數基本統計量 48
【表5-1-1】線性單根檢定 49
【表5-1-2】KSS單根檢定法 50
【表5-1-3】線性單根檢定 51
【表5-1-4】KSS單根檢定法 52
【表5-2-1】VIX期貨、S&P500指數不同模型之參數估計結果 54
【表5-2-2】MINI-VIX期貨、S&P500指數不同模型之參數估計結果 56
【表5-2-3】VSTOXX期貨、EURO STOXX 5指數不同模型之參數估計結果 58
【表5-3-1】避險績效變化 62
【表5-3-2】GARCH-N不同波動性下的避險績效 63
【表5-3-4】GARCH-HT不同波動性下的避險績效 65





圖目錄
【圖1-1-1】VIX期貨成交量時間序列 3
【圖1-1-2】MINI-VIX期貨成交量時間序列 3
【圖1-1-3】VSTOXX MINI期貨成交量時間序列 4
【圖1-2-1】S&P500和VIX期貨價格時間趨勢圖 7
【圖3-2-1】樣本外一天預測圖 43
【圖3-2-2】持有期間(1個月)和避險期間(250天)之移動視窗法 44
參考文獻 英文
1. Arak, M. and Mijid, N., (2006), “The VIX and VXN Volatility Measures: Fear Gauges or Forecasts?”. Financial Analysts Journal, Vol. 12, pp. 14-27.
2. Alireza, T.R., Bart, F., and Christian, T., (2010), “The Information Content of Implied Volatility Evidence from Australia”. Journal of Futures Markets, Vol. 30, No.2 , pp.134-155.
3. Butterworth, D., and Holmes, P., (2005), “The Hedging Effectiveness of U.K. Stock Index Futures Contracts Using an Extended Mean Gini Approach: Evidence for the FTSE100 and FTSE Mid250 Contracts”. Multinational Finance Journal, Vol.9, No.3/4, pp.129-158.
4. Bekaert, G. and Wu, G., (2000), “Asymmetric Volatility and Risk in Equity Market” .The Review of Financial Studies, Vol.13, No.1, pp.1-42.
5. Banerjee, P.S., Doran, J.S. and Peterson, D.R., (2007), “Implied Volatility and Future Portfolio Returns”. Journal of Banking and Finance, Vol. 31, pp. 3183-3199.
6. Becker, R., Clements, A.E. and Whit, S.I., (2007), “Does Implied Volatility Provide any Information beyond That Captured in Model-based Volatility Forecasts”. Journal of Banking & Finance, Vol.31, pp. 2535-2549.
7. Copeland, M.M. and Copeland, T.E., (1999), “Market Timing: Style and Size Rotation Using the Vix”. Financial Analysts Journal, Vol. 55, No. 2, pp.73-81.
8. Chan, K.C., Cheng, L.T.W. and Lung, P.P., (2003), “Moneyness and the response of the implied volatilities to price changes: The empirical evidence from HSI option ”. Pacific-Basin Finance Journal, Vol. 11, pp. 527-553.
9. Chen, Z., Dupoyet, B. and Daigler, R.T., (2011), “A Simplified Pricing Model for Volatility Futures”. Journal of Futures Markets, Vol. 31, No.4, pp. 307-339.
10. Chen, Z., Daigler, R.T. and Parhizgar, A.M., (2006), “Persistence of Volatility in Futures Markets”. Journal of Futures Markets, Vol. 26, No. 6, pp. 571-594.
11. Davidson, W.N., Kim, K.J. and Ors, E.,(2000), “Using Implied Volatility on Option to Measure the Relation Between Asset Retures and Variability”. The Journal of Baking & Finance, Vol. 25, pp. 1245-1269.
12. Duan, J.C., and Yeh, C.Y., (1999), “Jump and Volatility Risk Premiums Implied by VIX”. Journal of Economic Dynamics & Control, Vol.34, pp.2232-2244.
13. Fleming, J., Ostdiek, B. and Whaley, R. E.,(1995), “Predicting Stock Market Volatility:A New Measure”. Journal of Futures Markets, Vol.15, No.3,pp. 265-302.
14. Giot, P. (2005), “Relationships Between Implied Volatility Indexes and Stock Index Returns”. The Journal of Portfolio Management, Vol.31, NO.3, pp.92-100.
15. Gannon, G.L., Yeh, S. C., (2000), “Comparing Trading Performance of the Constant and Dynamic Hedge Models: A Note”.Review of Quantitative Finance and Accounting, Vol. 14, pp.155 -160.
16. Kroner, F.K., Sultan, J., (1993), Time-varying distributions and dynamic hedging with foreign currency futures”.Journal of Financial and Quantitative Analysis, Vol. 4, pp. 535-551.
17. Konstantinidi, E., Skiadopoulos, G. and Tzagkaraki, E., (2008), “Can the Evolution of Implied Volatility be Forecasted? Evidence from European and US Implied Volatility Indices”. Journal of Banking and Finance, Vol.32, pp.2401-2411.
18. Li, K., (2002), “Long-Memory versus Option-implied Volatility Predictions”. The Journal of Derivatives, Vol. 9, No.3, pp.9-25.
19. Lindahl, M.(1992) “Minimum Variance Hedge Ratios for Stock Index Futures: Duration and Expiration Effects”. Journal of Futures Markets, VOL. 12, No. 1, pp.33-53.
20. Lien, D. and Tse, Y.K., (1999) “Fractional Cointeration and Futures Hedging”.The Journal of Futures Markets”. VOL. 19, No. 4 , pp.456 -474.
21. Laws, J. and Thompson, J., (2005), “Hedging Effectiveness of Stock Index Futures”. European Journal of Operational Research, Vol. 163, pp. 177-191.
22. Mixon, S. (2011), “The Implied Volatility Term Structure of Stock Index Options”. Journal of Empirical Finance, Vol.14, pp.333-354.
23. Moraux, F., Navatte, P. and Villa, C., (1999), “The Predictive Power of the French Market Volatility Index: A Multi Horizons Study”. European Finance Review, Vol. 2, pp.303-320.
24. Nossman, M., Wilhelmsson, A., and Chen, Z., (2011), “Is the VIX Futures Market Able to Predict the VIX Index? A Test of the Expectation Hypothesis”. The Journal of Futures Markets, Vol.12,No.2,pp.54-67.
25. Park, T. H., Switzer, L. N.,(1995),“Bivariate GARCH Estimation of the Optimation of the Optimal Hedge Ratios for Stock Index Futures :A Note ”.The Journal of Futures Markets, Vol. 15, No. 1 , pp.61 -67.
26. Simon, D. P., (1997), “Implied Volatility Asymmetries in Treasury Bond Futures Options”. The Journal of Futures Markets, Vol.17, No.8, pp.873-885.
27. Simon, D.P.(2003), “The Nasdaq Volatility Index During and After the Bubble
”. Journal of Derivatives, Vol.7, pp.9-24.
28. Saikat, N., (2007), “How Important is the Correlation Betweenreturns and Volatility in a Stochastic Volatility Model? Empirical evidence from Pricing and Hedging in the S&P 500 Index Options Market”. Journal of Banking and Finance, Vol.22, pp.589-610.
29. Szado, E., (2009), “VIX Futures and Options: A Case Study of Portfolio Diversification during the 2008 Financial Crisis”. The Journal of Alternative Investments, Vol.12, No.2, pp. 68-85.
30. Skiadopoulosa, E. and Skiadopoulosa, G., (2011), “Are VIX Futures Prices Predictable? An Empirical Investigation”. International Journal of Forecasting, Vol.27, pp.543-560.
31. Windcliff, H., Forsyth, P.A. and Vetzal, K.R. (2006), “Pricing Methods and Hedging Strategies for Volatility Derivatives, Journal of Banking & Finance.Vol. 30, pp.409-431.
32. Zhang, J.E. and Zhu, Y. (2006), “VIX Futures”. The Journal of Futures Markets, Vol.26, No.6, pp.532-531.
中文
1. 王毓敏、謝志正,2009年,「預測股價指數波動率-新VIX 與長期記憶模型之比較」,中山管理評論,第十七卷,第一期,頁11-45。
2. 王怡文、李世昌、李彥賢,2006年,「日經225 股價指數與指數期貨報酬率
之動態關係DCC-GARCH 模型分析」,元培學報,第十三期,頁21-34。
3. 白東岳、劉洪鈞、賴曉萍,2009年,「價格跳躍與避險策略之探討-以道瓊工業指數期貨現為為例」,計量管理期刊,第六卷,第二期,頁185-195。
4. 李彥賢、邱志昌、李政毅,2012年,「美國波動度指數與期貨長短期波動不對稱之研究」,商管科技季刊,第十三卷,第三期,頁321-337。
5. 李彥賢、陳郁涵、蘇韋帆,2011年,「ADL 門檻模型估計績效-以波動度指數期貨為例」,績效與策略研究,第八卷,第二期,頁1-10。
6. 徐清俊、 顏雯津,2008年,「情緒指標與股價報酬關係之研究」,明新學報,第三十四卷,第一期,頁89-106。
7. 余尚武、王俞瓔,1999年,「日經股價指數期貨與現貨市場之評價、關聯及避險」,管理評論,第十八卷,第二期,頁1-33。
8. 沈育展、洪瑞成、邱建良、李命志,2004年「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,頁153-180。
9. 邱建良、魏志良、吳佩珊、邱哲修,2004年,「TAIFEX和MSCI台股指數期貨與現貨避險策略之研究」,商管科技季刊,第五卷,第二期,頁169-184。
10. 邱哲修、林卓民、洪瑞成、柯月華,2005年,「價格跳躍與避險策略之探討-以道瓊工業指數期貨現為為例」,經營管理論叢,第一卷,第二期,頁93-116。
11. 邱哲修、林卓民、洪瑞成、徐明傑,2005年「價格不連續下的最適避險策略-ARJI 模型之應用」,計量管理期刊,第二卷,第二期,頁189-206。
12. 羅庚辛、藍宇文、李宛柔,2007年,「波動率指標、真實波動率與市場報酬間關係之研究」,中山管理評論,第五卷,第二期,頁41-70。
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2013-07-18公開。
  • 同意授權瀏覽/列印電子全文服務,於2013-07-18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