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 U0002-2407201309463600
中文論文名稱 拔靴法變異數估計模型在最適資產配置投資組合上之應用與比較-以台灣證券市場為例
英文論文名稱 Bootstrap Variance Estimation Methods Comparisons in Optimal Assets Allocation – the Empirical Analysis in Taiwan Equity Markets
校院名稱 淡江大學
系所名稱(中) 統計學系碩士班
系所名稱(英) Department of Statistics
學年度 101
學期 2
出版年 102
研究生中文姓名 李政勳
研究生英文姓名 Cheng-Hsun Lee
學號 601650087
學位類別 碩士
語文別 中文
口試日期 2013-06-22
論文頁數 51頁
口試委員 指導教授-林志娟
委員-張慶輝
委員-鄧文舜
中文關鍵字 變異數  資產配置  GARCH  CB拔靴法  PRR拔靴法 
英文關鍵字 Mean-variance portfolio model  volatilities  GARH  CB bootstrap  PRR bootstrap 
學科別分類
中文摘要 資產配置最適化是財務管理的重要議題,資產最適化的關鍵在於數學二次式的參數準確輸入,本論文的重點在於變異數的參數輸入。運用GARCH模型描述金融資產,並以樣本變異數法、CB拔靴法與PRR拔靴法估計波動度,達到降低投資組合的波動進而使資產配置最佳化,本論文研究結果顯示風險規避者建議採用PRR拔靴法,報酬追求者建議採用CB拔靴法。
英文摘要 Optimal assets allocation problem has become a critical issue in wealth management and it leads to the mathematical quadratic optimal problems. The key factors of making the “optimal” working are the input parameters’ accuracy. This thesis focuses on only one of the inputs, the variance estimation. By incorporating the well known GARCH model, the traditional sample variance estimation along with two other bootstrap variance estimation models, CB and PRR, are employed and applied to the optimal assets allocations problem in this research.
Empirical results suggest that a risk averter should adopted CB bootstrap variance estimation method and a risk taker should adopted PRR bootstrap variance estimation method in constructing their optimal portfolios.
論文目次 目錄
第一章 緒論 1
第一節 研究動機與目的 1
第二節 研究限制 3
第三節 研究內容架構簡介 3
第二章 文獻回顧 5
第一節 時間序列模型 5
第二節 拔靴法 6
第三節 投資組合理論 8
第三章 研究方法 10
第一節 報酬率定義 10
第二節 投資組合資產配置最佳化 13
第三節 夏普指標 15
第四節 GARCH(1,1)模型 16
第五節 條件拔靴法 18
第六節 一般化拔靴法 20
第七節 變異數共變異數矩陣 23
第八節 變異數模型評估 26
第四章 實證分析與結果 28
第一節 資料來源及說明 28
第二節 研究期間與估計方式 29
第三節 投資組合權重估計方式 31
第四節 實證結果與分析 34
第五章 結論與後續研究建議 48
第一節 結論 48
第二節 後續研究建議 49
參考文獻 50










表目錄
表 1. 投資組合報酬率基本敘述統計量 35
表 2. PRR拔靴法與CB拔靴法變異數估計 36
表 3. 變異數估計模型下最佳持股數 41
表 4. 固定持股數下最佳變異數估計模型 45
表 5. 投資組合累積報酬率 47


圖目錄
圖1.1 本研究流程圖 4
圖4.1 研究期間示意圖 30
圖4.2 CB拔靴法投資組合累積報酬率 38
圖4.3 PRR拔靴法投資組合累積報酬率 39
圖4.4 傳統樣本變異數投資組合累積報酬率 40
圖4.5 等權重方法投資組合累積報酬率 41
圖4.6 不同方法投資組合累積報酬率(持股大小N=5) 42
圖4.7 不同方法投資組合累積報酬率(持股大小N=10) 43
圖4.8 不同方法投資組合累積報酬率(持股大小N=20) 44
圖4.9 不同方法投資組合累積報酬率(持股大小N=50) 45
參考文獻 Andersen, T. G. and Bollerslev, T. (1998). “Answering the skeptics: Yes, standard volatility models do provide accurate forecasts.” International Economics Review, 39, 885-905.
Andersen, T. G. and Bollerslev, T. and Diebold, F. X. and Labys, P. (2001). “The distribution of realized exchange rate volatility.” Journal of the American Statistical Association, 96, 42-55.
Andersen, T. G. and Bollerslev, T. and Diebold, F. X. and Labys, P. (2003). “Modelling and forecasting volatility.” Econometrica, 71, 579-625.
Baillie, R.T. and Bollerslev, T. (1992). “Prediction in dynamic models with time dependent conditional variances.” Journal of Econometrics, 52, 91-113.
Bollerslev, T. (1986). “Generalized autoregressive conditional heteroskedasticity.” Journal of Econometrics, 31, 34-105.
Box, G. E. P. and Jenkins, G. M. (1976). “Time series analysis forecasting and control.” second edition. Holden-Day, SanFancisco.
Cao, R. and Febrero-Bande, M. and Gonzalez-Manteiga, W. and Prada-sanchez, J. M. and Garcia-Jurado, I. (1997). “Saving computer time in constructing consistent bootstrap prediction intervals for autoregressive process.” Communication in Statistics, B 26, 961-978.
Efron, B. (1979). “Bootstrap methods: another look at the jackknife.” The Annals of Statistics, 7, 23-55.
Elton, E. J. and Gruber, M. J. and Brown, S. J. and Goetzmann, W. N. (2009). “Modern portfolio theory and investment analysis.” John Wiley & Sons.
Engle, R. F. (1982). “Autoregressive conditional heteroskedasticity with estimates of the variance of UK inflation.” Econometrica, 50, 987-1008.

Engle, R. F. and Patton, A. (2001). “What good is a volatility model.” Quantitative Finance, 1, 237-245.
Markowitz, H. M., 1952. “Portfolio selection. The Journal of Finance 7.” 71-91.
Miguel, J. A. and Olave, P. (1999). “Bootstrapping forecast intervals in ARCH models.” Test 8, 345-364.
Nelson, D. B. (1990). “Stationary and persistence in the GARCH (1, 1) model.” Econometric Theory, 6, 318–334.
Nelson, D. B. (1992). “Filtering and forecasting with misspecifie ARCH models I: getting the right variance with the wrong model.” Journal of Econometrics, 52, 61-90.
Pascual, L. and Romo, J. and Ruiz, E. and (2001). “Effects of parameter estimation on prediction densities: a bootstrap approach.” International Journal of Forecasting, 17, 83-103.
Pascual, L. and Romo, J. and Ruiz, E. (2006). “Bootstrap prediction for returns and volatilities in GARCH models.” Computational Statistics & Data Analysis, 50, 2293-3212.
Perold, A. F. and Sharpe, W. F. (1988). “Dynamic strategies for asset allocation.” Financial Analysts Journal, 16-27.
Sharpe, W. F. (1966). “Mutual fund performance.” The Journal of Business, 39, 119-138.
Shephard, N. G. (1996). Statistical aspects of ARCH and stochastic volatility, Chap. 1, pages 1-67. Time Series Models: In Econometrics, Finance and Other Fields. Chapman & Hall, in D. R. Cox, D. V. Hinkley, and O. E. Barndorff-Nielsen (eds), London.
Thombs, L. A. and Schucany, W. R. (1990). “Bootstrap prediction intervals for autoregression.’ Journal of the American Statistical Association, 85, 486-492.
Tsay, R. S. (2002). Analysis of Financial Time Series. Wiley, New York.
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2016-07-29公開。
  • 同意授權瀏覽/列印電子全文服務,於2016-07-29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