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 U0002-2306201301195500
中文論文名稱 應用COPULA函數於金磚五國投資組合相關性及風險值評估
英文論文名稱 Apply Copula Function in the Evaluation of Dependence and VaR for BRICS Portfolios
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 101
學期 2
出版年 102
研究生中文姓名 黃泰源
研究生英文姓名 Tai-Yuan Huang
學號 600530173
學位類別 碩士
語文別 中文
口試日期 2013-06-21
論文頁數 76頁
口試委員 指導教授-李沃牆
共同指導教授-池秉聰
委員-謝宗佑
委員-張揖平
委員-李沃牆
中文關鍵字 金磚五國  相關係數  Copula函數  風險值 
英文關鍵字 BRICS  Correlation coefficient  Copula function  GARCH model  VaR 
學科別分類
中文摘要 本研究使用VAR-COV、CCC、DCC,和以Copula為基礎的GJR-GARCH模型(Copula based GJR-GARCH Model)四種方法,並參考 Huang et al. (2009)的模型方法,以評估金磚五國投資組合之風險值,後續利用Kupiec(1995)提出的概似比檢定(Likelihood Ratio Test, LR test)和穿透率評估風險值模型的準確性。
實證結果發現,由於金磚五國投資組合相關性提高,導致無法有效的分散風險;概似比檢定希臘赤字危機後,用Copula函數轉換之GJR-GARCH模型在99%信賴區間估計的風險值為最合理,反之,其他三種方法無法找出合理的風險值,因此,比起傳統線性結構,非線性比較能提供相對合理的風險值;最後,在全樣本期間中,相對其他Copula函數,以Student's t-Copula及 SJC-Copula函數轉換之金磚五國投資組合風險值為最佳。
英文摘要 The study applies VAR-COV, CCC, DCC, and Copula based GJR-GARCH Model to evaluate Value at Risk for portfolios of BRICS. To refer to procedure Huang et al. (2009) proposed. On the other hand, the study applies Likelihood Ratio Test which Kupiec (1995) proposed and penetration ratio to evaluate the accuracy of VaR model.
The empirical results demonstrate the relationship between BRICS index has significant increasing that didn’t have diversified effect of risk. By likelihood ratio test, Copula based GJR-GARCH model can correctly forecast 99 percentage VaR but VAR-COV, CCC, DCC model can’t forecast VaR rationally after Greek government debt crisis. Compared with traditional linear structure, nonlinear structure are relatively correct on VaR forecasting. Finally, consider full sample estimated Student's t Copula and SJC Copula have significantly effect to fitting the relationship between portfolios of BRICS VaR but the others haven’t.
論文目次 謝 辭 I
表 次 VI
圖 次 VIII
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 理論與相關文獻 7
第一節 投資組合相關(依)程度的相關文獻 7
第二節 風險值與相關文獻 12
第三節 Copula相關文獻 16
第三章 研究方法 21
第一節 研究流程 21
第二節 GARCH模型 22
第三節 Copula定義與相關理論 24
第四節 風險值實證模型 28
第五節 回溯測試法 29
第四章 實證結果與分析 31
第一節 研究資料與來源 31
第二節 敘述統計分析 32
第三節 風險值估計結果 36
第四節 希臘財政赤字爆發後對風險值估計結果 49
第五章 結論與建議 55
第一節 結論 55
第二節 建議 56
參考文獻 57
一、中文文獻 57
二、英文文獻 58
附錄 63
一、金磚五國指數常態檢定圖(全樣本期間) 63
二、Copula配適結果(全樣本期間) 65
三、穿透率結果(全樣本期間) 69
四、金磚五國相關係數估計結果(希臘財政赤字爆發後) 71
五、Copula配適結果(希臘財政赤字爆發後) 75

表 次
表1 投資組合相關(依)程度的相關文獻 11
表2 風險值的相關文獻 15
表3 Copula的相關文獻 20
表4 Copula函數及其相關係數 28
表5 金磚五國股價指數及幣別介紹 32
表6 金磚五國股價報酬率敘述統計表 33
表8 VAR-COV之風險值 36
表10 CCC之風險值 38
表11 CCC-VaR穿透率結果 39
表12 DCC之風險值 40
表13 DCC-VaR穿透率結果 41
表14 巴西與俄羅斯之五種靜態Copula配適結果 42
表15 靜態Copula之風險值 43
表16 Normal-Copula-VaR穿透率結果 43
表17 TVN-Copula相關係數矩陣 44
表19 動態Copula之風險值 45
表21 SJC-Copula-VaR穿透率結果 46
表23 巴西與俄羅斯之五種靜態Copula配適結果 49
表24 靜態Copula之風險值 50
表25 Normal-Copula-VaR穿透率結果 50
表26 TVN-Copula相關係數矩陣 51
表27 SJC-Copula相關係數矩陣 51
表28動態Copula之風險值 52
表29 TVN-Copula-VaR穿透率結果 52
表30 SJC-Copula-VaR穿透率結果 52
表31 (希臘公債赤字爆發後)LR檢定結果 53
附表1 巴西與印度之五種靜態Copula配適結果 65
附表2 巴西與中國之五種靜態Copula配適結果 65
附表3 巴西與南非之五種靜態Copula配適結果 66
附表4 俄羅斯與印度之五種靜態Copula配適結果 66
附表5 俄羅斯與中國之五種靜態Copula配適結果 67
附表6 俄羅斯與南非之五種靜態Copula配適結果 67
附表7 印度與中國之五種靜態Copula配適結果 68
附表8 印度與南非之五種靜態Copula配適結果 68
附表9 中國與南非之五種靜態Copula配適結果 69
附表10 T-Copula-VaR穿透率結果 69
附表11 Clayton-Copula-VaR穿透率結果 70
附表12 Gumbel-Copula-VaR穿透率結果 70
附表13 Frank-Copula-VaR穿透率結果 70
附表14 巴西與印度之五種靜態Copula配適結果 71
附表15 巴西與中國之五種靜態Copula配適結果 71
附表16 巴西與南非之五種靜態Copula配適結果 72
附表17 俄羅斯與印度之五種靜態Copula配適結果 72
附表18 俄羅斯與中國之五種靜態Copula配適結果 73
附表19 俄羅斯與南非之五種靜態Copula配適結果 73
附表20 印度與中國之五種靜態Copula配適結果 74
附表21 印度與南非之五種靜態Copula配適結果 74
附表22 中國與南非之五種靜態Copula配適結果 75
附表23 T-Copula-VaR穿透率結果 75
附表24 Clayton-Copula-VaR穿透率結果 76
附表25 Gumbel-Copula-VaR穿透率結果 76
附表26 Frank-Copula-VaR穿透率結果 76

圖 次
圖1 研究流程圖 6
圖2 研究流程 21
圖3 巴西聖保羅指數常態檢定圖 34
圖4 金磚五國報酬率時間序列圖 35
圖5 金磚五國常態檢定圖 36
圖6 VAR-COV估計金磚五國投資組合損失與每日真實部位損失情況 37
圖7 CCC估計金磚五國投資組合損失與每日真實部位損失情況 39
圖8 DCC估計金磚五國投資組合損失與每日真實部位損失情況 40
圖9 全樣本期間之每日動態相關係數 48
圖10 希臘公債赤字爆發後之每日動態相關係數 54
附圖1 俄羅斯RTS指數常態檢定圖 63
附圖2 印度孟買敏感30指數常態檢定圖 64
附圖3 中國上海A股股價指數常態檢定圖 64
附圖4 南非JSE全股指數常態檢定圖 65
參考文獻 一、中文文獻
1. 林玉貞(2011),美亞股市間指數報酬率關聯性之分析-Copula模型與風險機率圖法,亞洲大學財務金融所碩士論文。
2. 邱元杰(2009),Copula之估計法比較與模型診斷,輔仁大學金融研究所碩士論文。
3. 林秀璘(2007),極端市場下國際投資組合之風險分散效果,國立高雄第一科技大學財務管理系碩士論文。
4. 徐瑞陽(2010),金融風暴下總體經濟的變化對金磚五國股市的影響,世新大學財務金融學系碩士在職專班碩士論文。
5. 曾智業(2012),國際投資組合之風險值評估,淡江大學財務金融所碩士論文。
6. 陳冠璋(2010),Copula之估計法比較與模型診斷,國立臺北大學統計所碩士論文。
7. 游琮偉(2008),關聯結構在新興市場風險值之研究,國立高雄第一科技大學金融理財研究所碩士論文。
8. 賴奕豪、江福松、林煌傑(2010),「極端報酬下亞洲股市之蔓延效果:應用Copula分析法」,經濟與管理論叢,第6卷,第2期,頁247-270。

二、英文文獻
1. Bollerslev, T., (1986), “Generalized Autogressive Conditional Heteroskedasticity,” Journal of Econometrics, Vol.31, Issue 3, pp.307-327.
2. Bhar, R., and B. Nikolova, (2009), “Return, Volatility Spillovers and Dynamic Correlation in the BRIC Equity Markets: An Analysis Using a Bivariate EGARCH Framework,” Global Finance Journal, Vol.19, Issue 3, pp.203-218.
3. Chollete, L., A. Heinen and A. Valdesogo, (2011), “International Diversification: A Copula Approach,” Journal of Banking & Finance, Vol.35, Issue 2, pp.403-417.
4. Chollete, L., D. Victor and C. C. Lu, (2009), “Modeling International Financial Returns with a Multivariate Regime-switching Copula,” Journal of Financial Econometrics, Vol.7, Issue 4, pp.437-480.
5. Costinot, A., T. Roncalli and J. Teiletche, (2000), “Revisiting the Dependence between Financial Markets with Copulas,” Working Paper (Paris: Credit Lyonnais).
6. Cruz, M. G., (2002), “Modeling, Measuring, and Hedging Operational Risk,” John Wiley & Sons, Ltd., New York.
7. Christoffersen, P., and D. Pelletier, (2004), “Backtesting Value-at-Risk: A Duration-based Approach,” Journal of Financial Econometrics, Vol.2, Issue 1, pp.84-108.
8. Engle, R. F., (1982), “Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation,” Econometrica, Vol.50, No.4, pp.987-1007.
9. Embrechts, P., A. J. McNeil and D. Straumann, (2002), “Correlation and Dependence in Risk Managament: Properties and Pitfalls,” Cambridge University Press, Cambridge, UK, pp.176-223.
10. Forbes, K. J. and R. Rigobon, (2002), “No Contagion, Only Interdependence: Measuring Stock Market Comovements,” The Journal of Finance, Vol.57, Issue 5, pp.2223-2261.
11. Ghorbel, A., and A. Trabelsi, (2009), “Measure of Financial Risk Using Conditional Extreme Value Copulas with EVT Margins,” The Journal of Risk, Vol.11, No.4, pp.51-85.
12. Glosten, L. R., R. Jagannathan and D. E. Runkle, (1993), “On the Relation between the Expected Value and the Volatility on the Nominal Excess Returns on Stocks,” Journal of Finance, Vol.48, No.5, pp.1779-1801.
13. Genest, C., and J. MacKay, (1986), “The Joy of Copulas: Bivariate Distributions with Uniform Marginals,” The American Statistician, Vol.40, Issue 4, pp.280-283.
14. Hsu, C. P., C. W. Huang and W. J. Chiou, (2012), “Effectiveness of Copula-extreme Value Theory in Estimating Value-at-Risk: Empirical Evidence from Asian Emerging Markets,” Review of Quantitative Finance and Accounting , Vol.39, Issue 4, pp.447-468.
15. Huang, J. J., K. J. Lee, H. M. Liang and W. F. Lin, (2009), “Estimating Value-at-Risk of Portfolio by Conditional Copula - GARCH Method,” Insurance: Mathematics and Economics, Vol.45, Issue 3, pp.315-324.
16. Hotta, L. K., E. C. Lucas and H. P. Palaro, (2008), “Estimation of VaR Using Copula and Extreme Value Theory,” Multinational Finance Journal, Vol.12, No. 3/4, pp.205-218.
17. Hill, B. M., (1975), “A Simple General Approach to Inference about the Tail of a Distribution,” Annals of Statistics, Vol.3, No.5, pp.1163-1174.
18. Jorion, P., (2006), Value at Risk: The New Benchmark for Managing Financial Risk (3nd ed.), McGraw-Hill, New York.
19. Kim, G., M. J. Silvapulle, and P. Silvapulle, (2007), “Comparison of Semiparametric and Parametric Methods for Estimating Copulas,” Computational Statistics & Data Analysis, Vol.51, Issue 6, pp.2836-2850.
20. Kupiec, P., (1995), “Techniques for Verifying the Accuracy of Risk Measurement Models,” Journal of Derivatives, Vol.3, No.2, pp.73-84.
21. Luciano, E., and M. Marena, (2002), “Portfolio Value at Risk Bounds,” International Transactions in Operational Research, Vol.9, Issue 5, pp.629-641.
22. Longin, F., and B. Solnik, (1995), “Is the Correlation in International Equity Returns Constant: 1960–1990?” Journal of International Money and Finance, Vol.14, Issue 1, pp.3-26.
23. McNeil, A. J., and R. Frey, (2000), “Estimation of Tail-Related Risk Measures for Heteroscedastic Financial Time Series: An Extreme Value Approach,” Journal of Empirical Finance, Vol.7, Issue 3-4, pp.271-300.
24. Markowitz, H., (1952), “Portfolio Selection,” The Journal of Finance, Vol.7, Issue 1, pp.77-91.
25. Ning, C., (2010), “Dependence Structure between the Equity Market and the Foreign Exchange Market - A Copula Approach,” Journal of International Money and Finance, Vol.29, Issue 5, pp.743-759.
26. Seymour, A. J., and D. A. Polakow, (2003), “A Coupling of Extreme-Value Theory and Volatility Updating with Value-at-Risk Estimation in Emerging Markets: A South African Test,” Multinational Finance Journal, Vol.7, No.1/2, pp.3-23.
27. Schwettzer, B., and E. Wolff, (1981), “On Nonparametric Measures of Dependence for Random Variables,” Annals of Statistics, Vol.9, No.4, pp.879-885.
28. Sklar, A., (1959), “Fonctions de Repartition a`n Dimensions et Leurs Marges,” Publications Inst. Statist. Univ. Paris, Vol.8, pp.229-231.
29. Wen, X., Y. Wei and D. Huang, (2012), “Measuring Contagion between Energy Market and Stock Market during Financial Crisis: A copula approach,” Energy Economics, Vol.34, Issue 5, pp.1435-1446.
30. Wang, K., Y. H. Chen and S. W. Huang, (2011), “The Dynamic Dependence between the Chinese Market and Other International Stock Markets: A Time-varying Copula Approach,” International Review of Economics and Finance, Vol.20, Issue 4, pp.654-664.

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2013-06-24公開。
  • 同意授權瀏覽/列印電子全文服務,於2018-06-24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