本文研究對象為台灣加權股價指數、美元兌新台幣匯率、台積電股價、新竹商銀股價等日資料，分別以Gaussian GARCH、GARCH-t、GARCH-NoVaS等3種模型來進行實證，並以MAD作為比較基準，探討當金融資產報酬率存在高峰厚尾現象時，對於日報酬平方而言，何種模型的預測能力較佳。
實證結果證明GARCH-NoVaS模型的預測能力較Gaussian GARCH以及GARCH-t為佳，亦即當金融資產報酬率存在高峰態與厚尾現象時，GARCH-NoVaS不僅可以解決Gaussian GARCH所無法捕捉到的厚尾現象，亦可修正GARCH-t的低峰態的缺點，對於資產報酬率波動性之GARCH殘差的設定，比過去常使用的常態分配與t分配更為適當。

This research introduce three different GARCH models, they are Gaussian GARCH, GARCH-t, and GARCH-NoVaS. To evaluate and compare the predictive ability of three different GARCH models with respect to MAD, we focus on four well-know datasets, they are Taiwan weighted stock index, U.S. exchange rate, and stock price of Taiwan Semiconductor Manufacturing Co. and Hsinchu International Bank. We also discuss which model’s performance is better when the price return is leptokurtic and fat-tailed.
  The result show that the predictive ability of GARCH-NoVaS is much better than the others. GARCH-NoVaS can correct not only fat-tailed property which Gaussian GARCH cannot describe, but also the defect of low kurtosis of GARCH-t. The assumption of GARCH residual in GARCH-NoVaS is more appropriate than Gaussian GARCH and GARCH-t.

目錄

第一章 緒論...............................................1
  第一節 研究背景與動機...................................1
  第二節 研究目的.........................................4
  第三節 研究架構與流程...................................5
第二章 文獻回顧...........................................7
  第一節 國外文獻回顧.....................................7
  第二節 國內文獻回顧....................................13
第三章 研究方法..........................................16
  第一節 Gaussian GARCH模型..............................16
  第二節 GARCH-t模型.....................................18
  第三節 GARCH-NoVaS模型.................................20
  第四節 預測能力比較準則................................33
第四章 實證分析..........................................35
  第一節 資料來源與處理..................................35
  第二節 實證結果........................................39
第五章 結論與建議........................................45
參考文獻.................................................46
附錄.....................................................49

圖表目錄

圖1 研究架構流程..........................................6
表1 與自由度為2和自由度為5的t分配之動差比較..............26
圖2 標準常態分配、t分配和 機率密度函數分配圖之比較.......28
圖3 當厚尾程度增加時，t分配與 分配機率密度函數圖形的變化.29
表2 匯率、股價指數、台積電股價以及新竹商銀股價日報酬率之基
　　本統計量.............................................37
圖4 匯率與股價報酬率.....................................38
圖5 標準常態分配(實線) vs. f(u;0.02,1)(虛線).............39
表3 不同分配下GARCH模型的參數估計值......................40
表4 不同預測元的相對預測能力I............................43
表5 不同預測元的相對預測能力II...........................44
附表1 不同a0所對應的m2值.................................52

參考文獻

中文部分

吳佳貞，民國87年，「波動度預測模型之探討」，政治大學金融研究所碩士論文。

周志隆，民國80年，「股票風險波動之研究－異質性條件變異數分析法」，台灣大學商學研究所碩士論文。

張焯然，民過83年，「財務經濟學實證工具：ARCH族模型」，台灣大學經濟研究所碩士論文。

陳煒朋，民國88年，「GARCH模型與隱含波動性模型預測能力之比較」，淡江大學金融研究所碩士論文。

陳裴紋，民國84年，「台灣股票市場報酬率與波動性預測之研究－ARCH-family模型之運用」，台灣大學財務金融學研究所碩士論文。

蔡玠施，民國84年，「亞洲股市間動態波及效果之實證研究－GARCH模型之應用」，台灣大學財務金融學研究所碩士論文。

趙其琳，民國88年，「波動性預測能力比較—台灣認購權證之實證研究」，淡江大學金融研究所碩士論文。

鐘淑玲，民國79年，「台灣股票市場風險溢價與持續性波動之實證研究－序列相關與異質條件變異數分析法」，台灣大學商學研究所碩士論文。

英文部分

Andersen, T.G., and T. Bollerslev (1998),〝Answering the Skeptics：Yes, Standard Volatility Models do Provide Accurate Forecasts.〞International Econometric Review, Vol.39, no.4, pp.885-905.

Akgiray, V. (1989),〝Conditional Heteroscedasticity in Time Series of Stock Return：Evidence and Forecasts.〞Journal of Business, Vol.62, no.1, pp.55-80.

Bollerslev, T. (1986),〝Generalized Autoregressive Conditional Heteroscedasticity.〞Journal of Econometrics, Vol.31, pp.307-327.

Bollerslev, T. (1987),〝A Conditional Heteroscedastic Time Series Model for Speculative Prices and Rates of Return.〞Review of Economics and Statistics, Vol.69, pp.542-547.

Bollerslev, T., R. Chou, and K. Kroner (1992),〝ARCH modeling in Finance：A Review of Theory and Empirical Evidence.〞Journal of Econometrics, Vol.52, pp.5-60.

Chu, Shin-Herng., and Steven Freund (1996),〝Volatility Estimation for Stock Index Operations：A GARCH Approach.〞The Quarterly Review of Economics and Finance, Vol.36, pp.431-450.

Engle, R. (1982),〝Autoregressive Conditional Heteroscedasticity with Estimates of Variance of UK Inflation.〞Econometrica, Vol.50, pp.987-1008.

Engle, R., and T. Bollerslev (1986),〝Modeling the Persistence of Conditional Variance.〞Econometric Reviews, Vol.5, pp.1-50.

French, K.R., G.W. Schwert, and R.F. Stambaugh(1987),〝Expected Stock Returns and Volatility.〞Journal of Financial Economics, Vol.19, pp3-29.

Fama, E. (1965),〝The Behavior of Stock Market Prices.〞Journal of Business, Vol.38, pp.34-105.

Gourieroux, C. (1997),〝ARCH Models and Financial Applications.〞Springer Verlag New York.

Hall, P. and Q. Yao (2003),〝Inference in ARCH and GARCH Models with Heavy-tailed Errors.〞Econometrica, Vol.71, pp.285-317.

Jorion, P. (1995),〝Predicting Volatility in the Foreign Exchange Market.〞Journal of Finance, Vol.50, pp.507-528.

Mandelbrot, B. Benoit (1963),〝The Variation of Certain Speculative Prices.〞Journal of Business, Vol.36, pp.394-419.

Mussa, Michael (1979),〝Empirical Regularities in the Behavior of Foreign Exchange Market.〞Carnegie-Rochester Conference Series on Public Policy, Vol.11, pp.9-57.

Nelson, D. (1991),〝Conditional Heteroscedasticity in Asset Returns：A New Approach.〞Econometrica, Vol.59, pp.347-370.

Politis, N. Dimitris (2004),〝A Heavy-tailed Distribution for ARCH Residuals with Application to Volatility Prediction.〞Annals of Economics and Finance, Vol.5. pp.283-298.

Shephard, N. (1996),〝Statistical Aspects of ARCH and Stochastic Volatility.〞in Time Series Models in Econometrics, Finance and Other Fields, D.R. Cox, David V. Hinkley and Ole E. Barndoff-Nielsen (eds.), Chapman & Hall, London. pp1-67.