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 U0002-1006200917055500
中文論文名稱 動態避險下基差與負面衝擊的不對稱效果
英文論文名稱 Asymmetric effect of basis hedging and negative shock on dynamic
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 97
學期 2
出版年 98
研究生中文姓名 徐偉書
研究生英文姓名 Wei-Shu Hsu
電子信箱 hank3312002@hotmail.com
學號 696530632
學位類別 碩士
語文別 中文
口試日期 2009-05-16
論文頁數 59頁
口試委員 指導教授-李命志
共同指導教授-鄭婉秀
委員-邱建良
委員-俞海琴
委員-姜淑美
中文關鍵字 基差不對稱  雙變量GARCH  負面衝擊效果  最小變易避險比率  不對稱動態相關係數 
英文關鍵字 Asymmetric basis  Bivariate GARCH  GJR effect  MVHR  ADCC 
學科別分類 學科別社會科學商學
中文摘要 本文採用雙變量GARCH模型估計台灣加權股價指數正負基差的非對稱性,就是考慮正基差與負基差對現貨與期貨報酬的變異數與共變異數影響。為了考慮負面消息對報酬率變異數與共變異數的影響,本文在雙變量GARCH模型中也加入了GJR效果與延展了DCC方法,使用ADCC方法來估計共變異數。此外,本篇再將基差效果加入ADCC中,計算出最佳的避險模型來提供投資人使用。本文比較了 (1) 傳統線性迴歸法(OLS)、(2) 指數加權移動平均法(EWMA)、(3) 雙變量GARCH模型、(4) 雙變量GARCH-DCC模型、(5) 基差不對稱雙變量GARCH-DCC模型、(6) 基差不對稱雙變量GARCH-GJR-DCC模型、(7) 雙變量GARCH-ADCC模型、(8) 基差不對稱雙變量GARCH-ADCC模型、(9) 基差不對稱雙變量GARCH-GJR-ADCC模型。研究發現現貨與期貨的基差效果是不對稱的,負基差比正基差對變異數影響更甚,但正基差對共變異數的影響卻比負基差來的大。在將GJR效果納入考量後,發現負面消息對報酬率的波動是具有影響的。估計結果顯示基差不對稱雙變量GARCH-GJR-ADCC模型為避險績效最佳的模型,這也提供了投資人在台灣加權股價指數基差變動時最佳的避險策略。
英文摘要 This paper use Bivariate GARCH model to estimate the asymmetric basis effect in Taiwan stock index futures. That is, we also considering the positive and negative basis effect on time-varying variance-covariance of spot and future return. In addition, the bad news effect on time-varying variance-covariance of spot and futures, we add GJR effect in the Bivariate GARCH model and extend the DCC model to ADCC model to estimate the covariance. Besides, we add basis effect in ADCC model to evaluate and choose the best model for investors. We compare (1) the OLS model, (2) EWMA model, (3) BGARCH model, (4) BGARCH-DCC model, (5) asymmetric BGARCH-DCC model, (6) asymmetric BGARCH-GJR-DCC model, (7) BGARCH
-ADCC model, (8) asymmetric BGARCH-ADCC model, and (9) asymmetric BGARCH-GJR-ADCC model. The empirical results find that spot and future have asymmetric basis effect, and the negative basis has greater impact than the positive basis. After consider GJR effect, we found the bad news have effect on the volatility of return. It is found that asymmetric BGARCH-GJR-ADCC model is the best hedging model. These provide the best hedging policy in Taiwan stock futures market.
論文目次 目 錄
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 研究流程…………………………………………………… 3
第四節 研究架構…………………………………………………… 4
第二章 理論基礎與文獻回顧……………………………………… 5
第一節 股價指數期貨契約………………………………………… 5
第二節 台灣股價指數期貨契約…………………………………… 7
第三節 避險理論回顧……………………………………………… 10
第四節 國外文獻探討……………………………………………… 13
第五節 國內文獻探討……………………………………………… 16
第三章 研究方法…………………………………………………… 21
第一節 單根檢定…………………………………………………… 21
第二節 指數加權移動平均法……………………………………… 24
第三節 不對稱雙變量GARCH-GJR模型 …………………………… 27
第四節 不對稱動態相關係數模型………………………………… 35
第五節 最小變異數避險比率……………………………………… 41
第四章 實證分析…………………………………………………… 42
第一節 資料來源…………………………………………………… 42
第二節 雙變量常態分配及平賭過程定檢………………………… 43
第三節 單根定檢結果……………………………………………… 45
第四節 ARCH效果的檢定…………………………………………… 48
第六節 台股指數期貨的避險績效………………………………… 49
第五章 結論………………………………………………………… 56
中文參考文獻………………………………………………………… 57
英文參考文獻………………………………………………………… 58
表 次
【表2-1】 台股指數現貨為標的之股價期貨契約………………… 9
【表4-1】 台股指數現貨與期貨報酬的統計資料………………… 44
【表4-2】 指數現貨與期貨價格時間序列資料之ADF單根檢定 … 46
【表4-3】 指數現貨與期貨價格時間序列資料之PP單根檢定…… 46
【表4-4】 台股加權指數殘差項ARCH效果檢定…………………… 48
【表4-5】 基差不對稱BGARCH模型下平均數方程式的基差參數值 52
【表4-6】 現貨報酬變異數方程式之參數值……………………… 52
【表4-7】 期貨報酬變異數方程式之參數值……………………… 53
【表4-8】 現貨與期貨殘差之共變異數方程式參數值…………… 53
【表4-9】 各模型之避險投資組合變異數及避險績效…………… 55
圖 次
【圖1-1】各模型研究流程圖……………………………………… 3
【圖4-1】台股指數現貨與期貨價格……………………………… 47
【圖4-2】台股指數現貨與期貨報酬率…………………………… 47
【圖4-3】台股指數期貨走勢圖與基差分布圖…………………… 54
【圖4-4】台股指數現貨與期貨條件共變異數走勢圖與基差分布圖 54


參考文獻 中文部分
1. 張焯然 (2001),「台股指數期貨動態避險效果之探討」,臺灣管理學刊,第1卷,第1期,頁151-164。
2. 陳君達、 陳志鈞、李文雄 (2007),「美國與台灣總體經濟訊息對台灣現貨與期貨市場之影響與不對稱波動傳遞之現象」,東海管理評論,第9卷,第1期,頁65-90。
3. 李命志、吳佩珊、鄭婉秀 (2004),「基差訊息運用對避險績效之影響」,朝陽商管評論,第3卷,第1期,頁101-120。
4. 葉銀華、蔡麗茹 (2000),「不同波動期間之期望報酬與風險關係的實證研究-不對稱GARCH-M模型之應用」,輔仁管理評論,第7卷,第2期,頁161-180。
5. 黃景明 (2002)「台灣股價指數期貨最適避險策略之研究」,淡江大學財務金融研究所碩士論文。
6. 陳致宏 (2008)「不對稱變幅條件相關係數模型之經濟價值分析」,國立交通大學經營管理研究所碩士論文。
英文部分
1. Alexander, C. and C. Leigh (1997) “On the covariance matrices used in value at risk models”, Journal of Derivatives, vol.4, p. 50-62.
2. Bollerslev, T.(1986)“Generalized autoregressive conditional heteroscedasticity”, Journal of Econometrics, vol. 31, p. 307-327.
3. Bollerslev, T., R. F. Engle., and J. M. Wooldridge(1988)“A capital asset pricing model with time-varing covariances”, Journal of Political Economy, vol. 96, p. 116-131.
4. Bollerslev, T. (1990) “Modeling the coherence in short-run nominal exchange rates: A multivariate generalized ARCH approach”, Review of Economics and Statistics, vol.72, p. 498-505.
5. Baillie, R. T. and R. J. Myers (1991) “Bivariate GARCH Estimation of the Optimal Commodity Futures Hedge”, Journal of Applied Econometrics, vol.6 , p. 109-124.
6. Boudoukh, J., M. Richardson and R. Whitelaw (1997) “Investigation of a class of volatility estimation”, Journal of Derivatives, vol. 4, p. 63-71.
7. Brooks, C. and James Chong (2001) “The Cross-Currency Hedging Performance of Implied Versus Statistical Forecasting Models”, Journal of Futures Markets, vol.21-11, p. 1043-1069.
8. Brooks, C., O. T. Henry and G. Persand (2002) “ The Effect of Asymmetries on Optimal Hedge Ratios”, Journal of Business, vol. 75, no. 2, p.333-352.
9. Chatrath, A., R. C. David, K. K. Dhanda and T. W. Koch (2002) “Index Futures Leadership, Basis Behavior and trader selectivity”, Journal of Futures Markets; vol.22, no.7, p. 649-677.
10. Cappiello, L., R. F. Engle and K. Sheppard (2006) “Asymmetric Dynamics in the correlations of global equity and bond returns”, Journal of Financial Econometrics, vol. 4, no.4, p. 537-572.
11. Dickey, D and W. Fuller (1979) “Distribution of estimators for autoregressive time series with a unit root”, Journal of the American Statistical Association, vol.74, iss 366, p. 427-431.
12. Dickey, D. A. and W. A. Fuller(1981)“Likelihood ratio statistics for autoregressive time series with a unit root”, Econometrica, vol. 49, iss. 4; p. 1057-1072.
13. Ederington, L. H.(1979)“The hedging performance of the new futures markets”, Journal of Finance, vol. 34, no.1, p. 157-170.
14. Engle, R. F. (1982) “Autoregressive conditional heteroscedasticity with estimates of the variance of U.K. inflation”, Econometrica , vol.50, p. 987-1008.
15. Engle, R. F., and C. W. J. Granger(1987)“Co-integration and error correction:representation, estimation and testing”, Econometrica, vol. 55, p. 251-276.
16. Engle, R. F., (2002) “Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models”, Journal of Business and Economic Statistics, vol. 20, iss. 3, p. 339-350.
17. Granger, C. W. J. and P. Newbold(1974)“Spurious regression in econometrics”, Journal of Econometrics, vol. 2, p. 111-120.
18. Glosten, L., R. Jagannathan and D. Runkle (1993) “On the relation between the expect value and volatility of the nominal excess return on stock”, Journal of Finance, vol. 48, p. 1779-1801.
19. Johnson, L. L. (1960) “The Theory of Hedging and Speculation in Commodity Futures”, Reviews of Economic Studies, vol.27-3, p. 139-151.
20. Lien, D. and L.Yang (2006) “Spot-Futures Spread, Time-varying correlation, and hedging with currency futures”, Journal of Futures Markets, vol. 26, no. 10, p. 1019–103821.
21. Lanza, A., M. Manera and M. McAleer (2006) “Modeling dynamic conditional correlations in WTI oil forward and futures returns”, Finance Research Letters 3 p.114–132.
22. Ng, V. and S.C. Pirrong (1994) “Fundamentals and volatility: storage, spreads, and the dynamics of metals prices”, Journal of Business, vol. 67, iss. 2, p. 203–230.
23. Phillips, P. C. B. and P. Perron (1988) “Testing for a unit root in time series regression”, Biometrika, vol. 75, no. 2, p. 335 – 346.
24. Stein , J.L. (1961) “The Simultaneous Determination of Spot and Futures Prices”, American Economic Review, vol. 51, p. 1012-1025.
25. Tse, Y.K. and A. Tsui (2002) “A multivariate generalized autoregressive conditional heteroscedasticity model with time-varying correlations”, Journal of Business & Economic Statistics, vol. 20, iss 3, p. 351–362.
26. Working, H., (1953a) “Futures trading and hedging”, American Economic Review, vol. 43, p. 314–343.
27. Working, H., (1953b) “Hedging reconsidered”, Journal of Farm Economics, vol. 35, p.544–561.
28. Working, H., (1961) “New concepts concerning futures markets and prices”, American Economic Review, vol. 51, p. 431–459.
29. Zhong, M., A. F. Darrat and R. Otero (2004) “Price discovery and volatility spillovers in index futures markets: some evidence from Mexico”, Journal of Banking and Finance, vol. 28, p. 3037–3054.
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2010-06-17公開。
  • 同意授權瀏覽/列印電子全文服務,於2010-06-17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