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 U0002-0706201116033700
中文論文名稱 應用Copula-GJR-GARCH模型於黃金期貨與白銀期貨之避險
英文論文名稱 Applying Copula-GJR-GARCH Model in the Hedging of Gold Futures and Silver 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 99
學期 2
出版年 100
研究生中文姓名 李莠苓
研究生英文姓名 You-Ling Lee
學號 698530754
學位類別 碩士
語文別 中文
口試日期 2011-05-12
論文頁數 59頁
口試委員 指導教授-李沃牆
委員-何宗武
委員-顧廣平
委員-洪明欽
中文關鍵字 Copula  黃金期貨避險  白銀期貨避險 
英文關鍵字 Copula  the hedging of gold futures  the hedging of silver futures 
學科別分類 學科別社會科學商學
中文摘要 金融資產報酬通常為厚尾且非常態為主,而過去多數文獻的模型以常態分配為假設,而Copula函數能夠依據個別資料之間的關聯性找出最適之分配,使得模型的運用上更加有彈性。
本文主要分別利用傳統避險模型、固定條件相關(CCC-GJR-GARCH)模型、動態條件相關(DCC-GJR-GARCH)模型以及以Copula-based GJR-GARCH模型,利用最小變異避險理論為避險績效衡量標準,依據樣本內及樣本外進行避險比率及避險績效的實證,找出最佳的模型,提供最適的避險比率之衡量與績效評估之比較。實證結果發現以Copula 為基礎的GJR-GARCH模型的避險績效較傳統OLS模型佳。
英文摘要 Financial asset returns are usually fat-tailed and non-Gaussian. In the past, most
of the literatures have the normal distribution assumption. The Copula functions that
based on the relationship between the individual assets have more flexible than the
other models to find the optimal allocation.
In this paper, we use traditional hedging model, fixed conditional correlation
(CCC-GJR-GARCH) model, dynamic conditional correlation (DCC-GJR-GARCH)
model and the Copula-based GJR-GARCH model for the estimation of the optimal
hedge ratio and the hedging performance measure by the theory of minimum variance.
Empirical results show that the Copula-based GJR-GARCH models perform more
effectively in the in-sample test. In addition, all of the dynamic hedging models
perform more effectively than OLS model in the out-sample test.
論文目次 目錄
表目錄 V
圖目錄 VI
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的 3
第三節 研究架構與流程 4
第二章 理論基礎與文獻回顧 6
第一節 商品期貨契約介紹 6
第二節 避險理論回顧 10
第三節 避險模型文獻回顧 12
第四節 copula模型文獻回顧 14
第五節 黃金與白銀相關文獻回顧 17
第六節 小結 18
第三章 研究方法 19
第一節 Copula介紹 19
第二節 避險模型 25
第三節 避險績效指標 31
第四章 實證結果與分析 33
第一節 資料來源與型態 33
第二節 實證模型與過程 33
第三節 實證結果分析 35
第四節 績效評估 48
第五章 結論與建議 52
第一節 結論 52
第二節 建議 54
參考文獻 55

表目錄
表1、COMEX及TOCOM黃金期貨契約規格 9
表2、COMEX及TOCOM白銀期貨契約規格 10
表3、Copula函數和相對應之相關係數Kendall’s τ 24
表4、敘述統計量 36
表5、單根檢定結果 39
表6、COMEX市場之CCC-GJR-GARCH模型參數 40
表7、TOCOM市場之CCC-GJR-GARCH模型參數 42
表8、COMEX市場之DCC-GJR-GARCH模型動態相關係數參數 43
表9、TOCOM市場之DCC-GJR-GARCH模型動態相關係數參數 43
表10、COMEX 市場之Copula-GJR-GARCH之所有估計參數 44
表11、TOCOM 市場之Copula-GJR-GARCH之所有估計參數 46
表12、不同避險模型之樣本內績效評估 49
表13、不同避險模型之樣本外績效評估(預測向前5天) 50



圖目錄
圖1、研究流程圖 5
圖2、Gaussian Copula函數之機率密度函數 23
圖3、T Copula函數之機率密度函數 23
圖4、Clayton Copula函數之機率密度函數 23
圖5、避險策略之移動視窗說明 34
圖6、個別市場的黃金報酬 37
圖7、個別市場的白銀報酬 38
圖8、COMEX市場之商品價格走勢圖 39
圖9、TOCOM市場之商品價格走勢圖 41

參考文獻 參考文獻
一、 國內文獻
1. 林俊良、劉子康(2009),「自由度具解析解之動態t-copula在商品期貨風險管理的應用」,台灣期貨與衍生性商品學刊,第9期,頁1-30。
2. 巫春洲、劉炳麟、楊奕農 (2009) ,「農產品期貨動態避險策略的評價」,農業與經濟, 第42卷,頁 39-62。
3. 李亦屏(2004),黃金期貨之避險分析,中原大學企業管理學系碩士論文。
4. 邱建良、魏志良和吳佩珊(2004),「TAIFEX與MSCI台股指數期貨與現貨直接避險策略之研究」,商管科技季刊,第5卷第3期,頁169-184。
5. 何其祥、張晗、鄭明(2009),「包含股指期貨的投資組合之風險研究-copula方法在金融風險管理中的應用」,數理統計與管理(中國),第28卷第 1期,頁159-166 
6. 劉冠忠(2007),國際黃金指數、黃金期貨與總體經濟動態關聯性之研究-狀態空間模型之應用,開南大學財務金融學系碩士論文。
7. 郭奇武(2009),台灣黃金期貨與現貨避險策略探討,國立成功大學企業管理學系碩士論文。
8. 徐偉書 (2008),動態避險下基差與負面衝擊的不對稱效果,淡江大學財務金融學系碩士論文。
二、 國外文獻
1. Bollerslev, T., (1990), “Modeling the Coherence in Short-Run Nominal Exchange Rates: Multivariate Generalized ARCH Approach,” Review of Economic and Statistics, Vol. 72, pp. 498-505.
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. Choudhry, T., (2004), “Time-Varying Distribution and Hedging Effectiveness of Three Pacific-Basin Stock Futures,” International Review of Economics and Finance, Vol. 13, pp. 371-385.
4. Dickey, D. A. and W. A. Fuller,(1981), “Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root,” Econometrica, Vol. 49, pp. 1057-1072.
5. Edrington, L. H., (1979). “The Hedging Performance of the New Futures Markets,” Journal of Finance, Vol. 34, pp. 157-170.
6. Engle, R. F., (2002), “Dynamic Conditional Correlation-A Simple Class of Multivariate GARCH Models,” Journal of Business and Economic Statistics, Vol. 20, No. 3, pp. 339-350.

7. Glosten, L. R., R. Jagannathan and D. E. Runkle, (1993), “On the Relationship Between the Expected Value and the Volatility of the Nominal Excess Returns on Stocks,” Journal of Finance. Vol. 48, pp. 1779-1801.
8. Hansen, B. E., (1994), “Autoregressive Conditional Density Estimation,” International Economic Review, Vol. 35, pp. 705-730.
9. Hsu, C. C, C. P. Tseng and Y. H. Wang, (2008), “Dynamic Hedging with Futures: a Copula-based GARCH Model,” Journal of Futures Markets, Vol.28, No. 11, pp. 1095-1116.
10. Joe, H., (1997), Multivariate Models and Dependence Concepts, : Chapman & Hall, London.
11. Johnson, L., (1960), “The Theory of Hedging and Speculation in Commodity Futures,” Review of Economic Studies, Vol. 27, pp. 139-151.
12. Kenourgios, D., A. Samitas, and P. Drosos, (2008), “Hedge Ratio Estimation and Hedging Effectiveness: the Case of the S&P 500 Stock Index Futures Contract,” International Journal of Risk Assessment and Management, Vol. 9(1/2), pp. 121-138.
13. 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.
14. Li, D. X. (2000), “On Default Correlation: A Copula Function Approach,” Journal of Fixed Income, Vol. 9, pp 43-54.
15. Lien, D. and L. Yang, (2006), “Spot-futures Spread, Time-varying Correlation, and Hedging with Currency Futures,” Journal of Futures Markets, Vol. 26, pp. 1019-1038.
16. Lien, D., Y. K. Tse, and A. Tsui, (2002), “Evaluating the Hedging Performance of the Constant-Correlation GARCH Model,” Applied Financial Economics, Vol. 12, pp. 791-798.
17. Markowitz, H. M., (1952), “Portfolio Selection,” Journal of Finance, Vol. 7, pp. 77-91.
18. Patton, A. J., (2006), “On Default Correlation: A Copula Function Approach,” International Economic Review, Vol. 47, pp. 527-556.
19. Phillips, P. and P. Perron, (1988), “Testing for a Unit Root in Time Series Regression,” Biometrika, Vol. 75, No. 2, pp. 335-346.
20. Rockinger, M. and E. Jondeau, (2001). “The Copula-GARCH Model of Conditional Dependencies: An International Stock Market Application,” Journal of International Money and Finance, Vol. 25, No. 3, pp. 827-853.
21. Sklar, M., (1959). “Fonctions de r´epartition `a n Dimensions et Leurs Marges,” Publ.Inst. Statist. Univ. Paris, Vol. 8, pp. 229–231.
22. Stein, J. L., (1961), “The Simultaneous Determination of Spot and Futures Prices,” American Economic Review, Vol.51, No. 5, pp.1012-1025.
23. Witt, H., T. Schroeder, and M. Hayenga, (1987), “Comparison of Analytical Approaches for Estimating Hedge Ratios for Agricultural Commodities, Journal of Futures Markets, Vol. 7, pp. 135-146.
24. Working, H., (1953) “Futures Trading and Hedging,” American Economics Review, Vol. 43, No. 3, pp. 314-343.
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2016-07-07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