近年來世界金融環境快速發展，銀行業務廣泛而複雜，導致控管作業風險的重要性越來越高。由於作業風險資料的厚尾特性，本研究除了以極值理論(Extreme-value Theory)模型來評估其風險值外。更進一步嘗試結合GARCH模型與極值理論模型的方法評估其風險值，除了抓住資料尾端特性之外，也希望能掌握風險值隨著時間變動的特性。本文實證研究期間為1995年至2009年，共19年期間台灣商業銀行的作業風險資料。實證結果發現: GARCH的極值理論模型能更精確的抓住作業風險隨時間變化的特性，充分掌握損失的變化，達到更精確的效果。

Because of the fast-developing of finance environment recently, the importance of risk management in banking business has been heightened. This article takes several commercial banks in Taiwan during the period from 1995 to 2009 as example, analyses the tails’ characteristics of operational risk loss event. It measures the fat-tail loss by the POT model of EVT. We further use GARCH-EVT model to capture time varying feature of data, so that we can better understand the characteristic of operational risk.

目 錄
論文提要內容：	I
目 錄	III
表目錄	IV
圖目錄	V
第一章 緒論	1
第一節 研究背景與動機	1
第二節 研究目的	3
第三節 研究架構與流程	4
第二章 理論與相關文獻回顧	6
第一節 作業風險	6
第二節 極值理論	11
第三節 動態極值理論	12
第三章 研究方法	14
第一節	資料的來源與內容	14
第二節	極值理論模型估計	20
第三節	動態極值理論模型估計	25
第四節	配適度檢定	26
第四章 實證結果分析	27
第一節 極值理論模型的結果分析	27
第二節	動態極值理論模型的結果分析	30
第三節	模型的配適度	35
第五章 結論及建議	38
第一節	結論	38
參考文獻	40

表目錄
【表 2-1】作業風險分類表	7
【表 2-1】作業風險分類表(續)	8
【表 2-1】作業風險分類表(續)	9
【表 3-1】作業風險的來源因素與事件型態	14
【表 3-2】作業風險事件型態分類的資料統計	15
【表 3-2】作業風險事件型態分類的資料統計(續)	16
【表 3-3】損失的敘述統計量	17
【表 4-1】GPD門檻值和模型參數對應表	28
【表 4-2】風險值與預期損失表	30
【表 4-3】殘差的敘述統計量	31
【表 4-4】GARCH-GPD門檻值和模型參數對應表	34
【表 4-5】GARCH-GPD風險值與預期損失表	35

圖目錄
【圖 1-1】研究流程	5
【圖 3-1】損失之時間序列	18
【圖 3-2】累積損失之時間序列	18
【圖 3-3】損失之機率密度分配	19
【圖 3-4】損失之累積次數分配	19
【圖 3-5】BMM法示圖	20
【圖 3-6】 POT法示圖	21
【圖 4-1】損失資料之平均餘額函數	27
【圖 4-2】損失資料之Hill Plot	29
【圖 4-3】殘差時間序列	31
【圖 4-4】殘差機率分配	32
【圖 4-5】殘差累積機率分配	32
【圖 4-6】殘差資料之平均餘額函數	33
【圖 4-7】殘差資料之Hill Plot	33
【圖 4-8】1.1805的QQ Plot	35
【圖 4-9】1.2046的QQ Plot	36
【圖 4-10】1.0245的QQ Plot	36
【圖 4-11】0.4037的QQ Plot	37
【圖 4-12】0.4313的QQ Plot	37
【圖 4-13】0.2939的QQ Plot	37

一、	中文部分
1.	吳恆煜、趙平、嚴武、王輝、呂江林 (2011)，「運用Student T-Copula的極
    值理論度量我國商業銀行的操作風險」，運籌與管理期刊，第20卷，
    第1期。
2.	吳啓勳 (2007)，「極端值理論之應用：以台灣股票型基金為例」，高雄第一 
    科技大學金融營運系碩士論文。
3.	徐彥平 (2005)，「台灣地區銀行風險值之研究」，銘傳大學經濟學系在職專
    班碩士論文。
4.	黃御綸 (2004)，「極值理論與整合風險衡量」，政治大學金融所碩士論文。
5.	陳怡君 (2002)，「極端值理論在風險值上的應用」，政治大學統計學研究所
    碩士論文。
6.	陳秉志 (2008)，「運用極端值模型於REITs風險值之評估」，真理大學財經
    研究所碩士論文。
7.	陳俊良 (2003)，「運用極端值理論建構我國銀行業作業風險模型」，東吳
    大學企業管理研究所碩士論文。
8.	張良吉 (2004)，「極端值理論於風險管理之探討-匯率之實證研究」，世新
    大學經濟學研究所碩士論文。
9.	彭聖峰 (2000)，「極值理論在風險值之應用與方法比較」，國立中正大學財
    務金融研究所碩士論文。
10.	游依霖 (2003)，「在小樣本下，利用極端值理論衡量作業風險值」，東吳
    大學經濟學研究所碩士論文。
11.	楊湘豫、趙婷、盧靜 (2010)，「基於Copula理論的商業銀行的市場風險
    研究」，財經理論與實踐雙月刊，第31卷，第167期。
12.	楊蓁海 (2005)，「新版巴賽爾資本協定與銀行信用風險測度模型的發展：兼
    論對我國銀行體系與央行政策的影響」， 中央銀行季刊，第27卷，第
    1期。
13.	廖怡能 (2006)，「利率極端分配風險之衡量-極值理論模型與copulas模型之
    應用」，高雄應用科技大學金融資訊研究所碩士論文。
14.	謝金星 (2004)，「大宗穀物期貨投資組合風險值研究-結合GARCH與極端
    值理論模型之應用」，屏東科技大學農企業管理所碩士論文。
15.	羅俊鵬、史道濟、徐付霞 (2006)，「SHFE和LME期銅相關模式研究」，
    西北農林科技大學學報，第6卷，第5期。

二、	英文部分
1.	Carla, A., Rossella, B., Glovannl, M. and Marco, M. (2009) “Advanced
Operational Risk Modelling in Banks and Insurance Companies,”   
 Investment Management and Financial Innovations, 6(3), 73-83.
2.	Chan, K. F. and Gray, P. (2006) “Using Extreme Value Theory to Measure
Value-at-Risk for Daily Electricity Spot Prices,” International Journal of
Forecasting, 22, 283–300.
3.	Cruz, M., Coleman, R. and Gerry, S. (1998) “Modeling and  Measuring
Operational Risk,” Journal of Risk, 1(1), 63–72.
4.	Cruz, M. G. (2002), “Modeling, Measuring and Hedging Operational Risk,” 
John Wiley and sons, Ltd.
5.	Diebold, F. X., Schuermann, T. and Stroughiar, J. D. (1999) “Pitfalls and
Opportunities in the Use of Extreme Value Theory in Risk Management,”
Working Paper.
6.	Clemente, D., Annalisa and Romano, C. (2003) “A Copula-Extreme Value          
Theory Approach for Modelling Operational Risk,” Working Paper.
7.	Clemente, D., Annalisa and Romano, C. (2003) “Measuring Portfolio           
Value-at-Risk by a Copula-EVT Based Approach,” Working Paper.
8.	Embercht, P., Kloppelberg, C. and Mikosch, T. (1997) “Modelling Extremal 
Events for Insurance and Finance,” Spring-Verlag, Berlin.
9.	Frees, Edward, W. and Valdez, E. A. (1998) “Understanding Relationships 
Using Copulas,” North American Actuarial Journal, 2, 1-25.
10.	Gencay, Ramazan and Selcuk, F. (2004) “Extreme Value Theory and 
Value-at-Risk: Relative Performance in Emerging Markets,” International Journal of Forecasting, 20, 287-303.
11.	Gencay, Ramazan, Selcuk, F. and Abdurrahman, U. (2003) “Insurance: 
Mathematics and Economics,” 33, 337-356.
12.	Hill, B. M. (1975) “A Simple General Approach to Inference about the Tail of a 
Distribution,” Annals of Statistics, 3(5), 1163-1173.
13.	John C. (2010) “Risk Management and Financial Institutions,” 2nd Edition, 
Prentice Hall.
14.	King, J. L. (2001) “Operational Risk: Measuring and Modelling, ” John Wiley & 
Sons, New York.
15.	Lee, W. C. and Fang, C. J. (2010) “The Measurement of Capital for Operational 
Risk of Taiwanese Commercial Banks,” The Journal of Operational Risk, 
5(2),  79-102.
16.	Marshall, C. L. (2001) “Measuring and Managing Operational Risks in Financial 
Institutions: Tools, Techniques, and other Resources, ” Wiley & Sons.
17.	McNeil, A. J. and Frey, R.(2000) ”Estimation of Tail-Related Risk Measures for 
Heteroscedastic Financial Time Series: an Extreme Value Approach,” 
Journal of Empirical Finance, 7, 271-300.
18.	McNeil, A. J. (2000) “Extreme Value Theory for Risk Managers,” Extremes and 
Inter Risk Management, Risk Book, 3-18.
19.	Medova, E. A. (2000) “Measuring Risk by Extreme Values,” Risk, November,  
20-26.
20.	Reiss, R. and Thomas, M. (1997) “Statistical Analysis of Extreme Values,” 
Birkhauser, Basel.
21.	Romano, C. (2002) “Apply Copula Function to Risk Management,” Working 
Paper.
三、 相關網站
1. 行政院金融監督管理委員會，http://www.fscey.gov.tw/。
2. 行政院金融監督管理委員會銀行局，http://www.banking.gov.tw/。
3. 國際清算銀行(BIS)網站，http://www.bis.org/index.htm。
4. 元大風險管理，http://riskmgmt.yuanta.com.tw/。