根據Markowitz(1952)年提出投資組合理論(portfolio theory)，投資組合的風險可分成系統風險及非系統風險。系統風險與總體經濟有關，無法藉由分散投資降低。一旦景氣波動，資產價值也跟著波動。為了不讓自身的資產價值受到景氣波動的影響，除了關注國內外的經濟、金融甚至政治情勢外，對自身資產的保值有必要採取更積極的作為，而「避險」就是最好因應措施。因為期貨具有「現貨替代」功能，現貨與期貨搭配作為投資組合可作為短期避險的工具，又因為契約標準化、高度市場效率及流通性等優點，成為規避金融風險主要工具之一。
本研究以避險為主軸，利用黃金、西德州原油期貨做避險，以OLS、ECM 、GARCH及GARCH-NoVaS四個模型在不同的期間下，比較其避險績效。實證結果如下：
一、基差變動不大，利用本研究四個模型來做避險，其避險績效相差不到1%。
二、當基差急遽變化，以傳統的OLS模型來做避險較佳。GARCH模型避險績效不佳。
三、以西德州原油為例，除了天真避險外，所有模型的避險比率皆小於1。

According to the portfolio theory proposed by Harry M. Markowitz in1952, the risk of portfolio can be classified into systematic risk and non-system risk. Systematic risk is related to Macroeconomics, and it can not be reduced by diversifying the investment. Once business cycle fluctuates, the value of assets will also change. Therefore, for the purpose of not depreciating our assets influenced by the economy, finance, and politics, we must actively protect our assets from losing its value. And  hedging is the best way to prevent our asset from depreciating.
Hedging is the main part of this thesis. We use gold and crude oil futures to hedge and use different models like OLS, ECM, GARCH, and GARCH-NoVas model. We also compare their hedging effectiveness with different models.
The empirical results show that first of all, if the basis doesn’t highly vary, the difference of the hedging effectiveness is less than 1% among the four models. Second, when the basis highly varies, OLS is the best model to hedge. The hedging effectivess of GARCH model doesn’t perform well among the four models. Third, the example of WTI crude oil illustrates that all models’ hedging ratios are less than 1 compared with naïve hedging.

目錄
第一章 緒  論   1
第一節 研究動機與背景	1
第二節 研究目的	4
第三節 研究架構	5
第二章 現、期貨介紹與文獻回顧     7
第一節 原油現貨及期貨	7
第二節 黃金現貨及期貨	10
第三節 國內外文獻回顧	13
第三章 避險理論	20
第四章 研究方法與理論模型	28
第一節 單根檢定	28
第二節 ARCH效果檢定	33
第三節 OLS模型	35
第四節 ECM模型	36
第五節 單變量GARCH模型避險	37
第六節 GARCH-NoVaS模型	40
第五章 實證結果與分析	42
第一節 資料來源與處理	42
第二節 現貨及期貨的統計性質	44
第三節 單根與ARCH效應檢定	45
第四節 實證結果	47
第六章 結論與建議	53
參考文獻	54

表次目錄

【表1.1.1】 台灣進口原油統計表	3
【表2.1.1】 西德州與布蘭特原油期貨契約規格	9
【表2.2.1】 黃金期貨契約規格	12
【表5.2.1】 原油、黃金報酬率之基本統計量	44
【表5.3.1】  原油、黃金時間序列之單根檢定(水準項) 46
【表5.3.2】 原油、黃金時間序列之單根檢定(差分項) 46
【表5.4.1】  西德州原油2000年到2008年避險績效 51
【表5.4.2】  西德州原油2000年到2004年避險績效 51
【表5.4.3】 西德州原油2004年到2008年避險績效 51
【表5.4.4】  黃金2002年到2008年避險績效 52
【表5.4.5】 黃金2002年到2005年避險績效 52
【表5.4.6】 黃金2005年到2008年避險績效 52

圖次目錄
【圖1.1.1】研究流程圖	5
【圖5.4.1】西德州原油走勢圖(2000~2008)	49
【圖5.4.2】西德州原油基差圖(2000~2008)	49
【圖5.4.3】黃金走勢圖(2002~2008)	50
【圖5.4.4】黃金基差圖(2002~2008)	50

1.	王健聰(2006)，台股指數期貨避險-存續期貨效果、到期效果與穩定性之研究，經濟研究，第42卷第2期，頁209~204。
2.	王怡文(2007)，「西德州與布蘭特原油避險策略」，淡江大學財務金融所，碩士論文。
3.	江明憲(1989)，「黃金期貨避險策略之研究–投資組合之分析之應用」，台灣大學商學研究所碩士論文。
4.	李命志、邱哲修、黃景明、陳君達(2003)，「臺灣股價指數期貨最適避險策略之研究」，企業管理學報，第58卷，頁85~104。
5.	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。
6.	李應勳(2005)，「原油價格波動與避險策略之研究」，淡江大學財務金融研究所，碩士論文。
7.	李亦屏(2004)，「黃金期貨之避險分析」，中原大學企業管理研究所，碩士論文。
8.	余尚武、賴昌作(2001)，「股價指數期貨之避險比率與避險效益」，管理研究學報，第1卷第1期，頁1~31。
9.	邱建良、魏志良、吳佩珊與邱哲修(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2期，頁169 ~ 184。
10.	謝秀鑾(2004)，「能源期貨幣險策略之研究 －以西德州原油與布蘭特原油為例」，淡江大學財務金融研究所，碩士論文。
11.	叢宏文(1996)，「日經股價指數期貨避險效果之實證研究－GARCH模型之應用」，政治大學企業管理研究所，碩士論文。
12.	Bollerslev, T., (1986) “Generalized Autoregressive Conditional Heteroskedasticity.” Journal of Econometrics, Vol. 31, pp. 307-327.
13.	Bollerslev, T., (1987) “A Conditionally Heteroskedasticity Time Series Model for Speculative Prices and Rates of Return.” Review of Economics and Statistics, Vol.  69, No. 3, pp. 542-547.
14.	Cecchetti, S. G., R. E. Cumby and S. Figlewski,(1998),”Estimation of Optimal Futures Hedge.” Review of Economics and Statistics,70, pp. 623-630.
15.	Copeland, L. and Y. Zhu,(2006),”Hedging effectiveness in the index futures markets.”Cardiff Economics Working Papers, E2006/10.
16.	Choudhry, T.,(2003),”Short-run deviations and optimal hedge ration: Evidence from stock futures.” Journal of Multinational Financial Management, 13, pp. 171-192.
17.	Dickey, D. A and W. A. Fuller, (1981) “Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root.” Econometrica, Vol. 49, No. 4, pp. 1057-1072.
18.	Dickey, D. A and W. A. Fuller, (1979) “Distribution of the Estimators for Autoregressive Time Series with a Unit Root.” Journal of the American Statistical Association, Vol. 74, No. 366, pp. 427-431.
19.	Ederington, L. H., (1979) “ The Hedging Performance of the New Future Markets.”  Journal of Finance, Vol. 34, No. 1, pp. 157-170
20.	Engle, R. F., (1982) “Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation.” Econometrica, Vol. 50, No. 4, pp. 987-1007.
21.	Engle, R. F. and C. W. J. Granger, (1987) “Cointegration and Error Correction: Representation, Estimation and Testing.” Econometrica, Vol. 55, No. 2, pp. 251-276.
22.	Granger, C. W. J. and P. Newbold, (1974) “Spurious Regressions in Econometrics.” Journal of Econometrics, Vol. 2, No. 2, pp. 111-120.
23.	Ghosh, A. (1993) “Hedging With Stock Index Futures: Estimation And Forecasting With Error Correction Model,” The Journal of Futures Markets, Vol. 13, No. 7, pp. 743-752.
24.	Hsin, C. W., Kuo, J., and C. F. Lee , (1994) “A New Measure to Compare The Hedging Effectiveness of Foreign Currency Futures Versus Options.” Journal of Futures Markets, Vol. 14, No. 6, pp. 685–707.
25.	Howard, C. T., and D’Antonio, L. J., (1984) “A risk-return measure of hedging effectiveness.” Journal of Financial and Quantitative Analysis, Vol. 19, No. 1, pp. 101–112.
26.	Johnson, L., (1960) “The Theory of Hedging and Speculation in Commodity Futures.” Review of Economic Studies. Vol. 27, No. 3, pp. 139-151.
27.	Markowitz, H., (1952) “Portfolio Selection.” Journal of Finance, Vol. 7, No. 1, pp.   77-91.
28.	Nelson, C. R. and C. I. Plosser, (1982) “Trends and Random Walks in Macroeconomic Time Series: Some Evidence and Implications.” Journal of Monetary Economics, Vol. 10, No. 2, pp. 139-162.
29.	Park, T. H., and L. N. Switzer,(1995),”Bivariate GARCH estimation of the optimal hedge ratios for stock index futures: a note, Journal of Futures market, 15,pp. 61-67.
30.	Phillips, P., (1986), “Understanding Spurious Regressions.” Journal of Econometrics, Vol. 33, pp. 311-340.
31.	Phillips, P. and P. Perron, (1988) “Testing for a Unit Root in Time Series Regression.” Biometrika, Vol. 75, No. 2, pp. 335-346.
32.	Politis, Dimitris N., (2004) “A Heavy-tailed Distribution for ARCH Residuals with Application to Volatility Prediction.” Annals of Economics and Finance, Vol. 5, pp. 283-298.
33.	Stein, J. L., (1961) “The Simultaneous Determination of Spot and Futures Prices.” American Economic Review, Vol. 51, No. 5, pp. 1012-1025.
34.	Said, S. and D. Dickey, (1984), “Testing for Unit Roots in Autoregressive Moving Average Models of Unknown Order.” Biometrika, Vol. 71, pp. 599-607.
35.	Switzer, L. N. and M. El-Khoury,(2007),”extreme volatility, speculative efficiency, and the hedging effectiveness of the oil futures markets.” Journal of Futures Markets,27(1), pp. 61-84.
36.	Working, H., (1953) “Futures Trading and Hedging.” American Economic Review, Vol. 43, No. 3, pp. 314-34