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 U0002-2505201121525300
中文論文名稱 MV 及 MCVaR 投資組合模型之績效評估-大中華區股市之實證研究
英文論文名稱 Evaluation of the Performance in MV and MCVaR Models-An Empirical Study on Greater Chinese Stock Markets
校院名稱 淡江大學
系所名稱(中) 財務金融學系碩士在職專班
系所名稱(英) Department of Banking and Finance
學年度 99
學期 2
出版年 100
研究生中文姓名 葉惠菁
研究生英文姓名 Hui-Ching Yeh
學號 798530076
學位類別 碩士
語文別 中文
口試日期 2011-05-16
論文頁數 75頁
口試委員 指導教授-李沃牆
委員-聶建中
委員-古永嘉
委員-杜玉振
中文關鍵字 馬可維茲投資組合  條件風險值  資產配置  Sharpe指標 
英文關鍵字 Markowitz Portfolio  CVaR  Asset Allocation  Sharpe Ratio 
學科別分類
中文摘要 本研究運用平均數ー變異數模型(Mean-Variance Model)以及平均數ー條件風險值模型(Mean-CVaR Model)兩個模型,分別以台灣50指數成分股、香港琤肏數成分股、中國滬深300指數成分股,建立投資組合,找出最適權重與資產配置,再衡量最適之資產配置的績效。結果發現不同地區的選股呈現出不同的差異性存在;台灣M-CVaR模型權重變化有較集中趨勢,M-V模型則較分散;香港兩個模型皆為集中趨勢;中國則兩個模型之權重變化皆較分散。
應用幾何平均數、算術平均數、累積報酬率、Sharpe Ratio、Treynor Ratio、Jensen’s Alpha 以及Information Ratio比較不同時間、不同地區、不同標的投資績效。當信賴水準95%時,M-CVaR模型優於M-V模型;當信賴水準99%時,實證結果並無一致性。但若觀察所有的投資地區,由報酬率獲勝的次數或累積報酬率之比較次數可知,當信賴水準95%時,M-CVaR模型優於M-V模型,但M-CVaR或M-V模型是否優於指數表現則不一定。若從三個投資地區績效之合計次數選擇模型,則當信賴水準95%時,M-CVaR模型優於M-V模型且M-CVaR模型也勝過市場指標指數表現。
透過成對母體平均數差異t檢定的方式檢定兩個模型建構之投資組合在不同投資地區下之平均報酬率是否存在顯著差異?統計檢定結果顯示,不同選股地區之績效,僅在採用台灣投資時之平均報酬率與基準指數相比具有顯著的差異。
透過研究結果,提供投資人進行投資組合之建議,若投資人欲投資台灣,建議採用M-CVaR信賴水準99%模型;若欲投資中國或香港則建議採用參與指數之方式投資。
英文摘要 The study applies the Mean-Variance Model and Mean-CVaR to construct optimal weighted portfolios comprising stocks used in the TSEC Taiwan 50 Index, Hong Kong’s Hang Seng Index, and China’s CSI 300 Index. The purpose of this paper is to review the performance portfolios and find the optimal weights. The stock selection strategies in different regions showing a significant difference between Taiwan, Hong Kong and China.
Geometric mean, arithmetic mean, Cumulative Return, Sharpe Ratio, Treynor Ratio, Jensen's Alpha and the Information Ratio are used to review the performance portfolios in different regions. When the confidence level of 95%, M-CVaR model is superior to M-V model; when the 99% confidence level, the empirical results were inconsistent.
However, if observed in all investment regions, the number of wins by the rate of return or cumulative number of comparisons shows that the rate of return, when the confidence level of 95%, M-CVaR model is superior to M-V model, but the M-CVaR or the MV model is superior Index performance is not necessarily. If the performance from three of the total number of investment strategy choice model, when the confidence level of 95%, M-CVaR model is superior to M-V model and M-CVaR model is also better than the market benchmark index performance.
By investigating the average divergence with t-test, we analyzed whether or not the average return showed statistical significance between these two models. The results revealed that the performance of different investment strategies only evinced statistical significance from the benchmark index in the case of the average return on investment in Taiwan stocks.
In conculsion, our investigation provide investors with recommendations for their investment portfolios. If investors wish to invest in Taiwan, it is recommended that they use the M-CVaR model with a confidence level of 99%. If investment in China or Hong Kong stocks is desired, choosing an index-bound approach will be appropriate.
論文目次 目 次
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 投資組合基本概念 7
第二節 投資組合理論與相關文獻 9
第三節 風險值與相關理論 12
第四節 條件風險值與相關理論 16
第三章 研究方法 23
第一節 研究流程 23
第二節 平均數—變異數模型 24
第三節 平均數?條件風險值模型 28
第四節 投資組合績效評估 32
第四章 實證結果分析 35
第一節 資料說明 35
第二節 敘述統計分析 40
第三節 模型結果分析 50
第五章 結論與建議 70
第一節 研究結論 70
第二節 研究建議 72
參考文獻 73

表 次
表 1 風險值相關文獻 15
表 2 條件風險值相關文獻 22
表 3 績效衡量指標 34
表 4 台灣50指數成分股10大成分股 37
表 5 香港琤肏數成分股10大成分股 37
表 6 中國滬深300指數成分股10大成分股 38
表 7 樣本歷史期間及績效評估期間 39
表 8 台灣50指數成分股報酬率之敘述統計量 44
表 9 香港琤肏數成分股報酬率之敘述統計量 45
表 10 中國滬深300指數成分股報酬率之敘述統計量 46
表 11 最適權重:M-CVAR-95%模型—台灣50指數成分股 51
表 12 最適權重:M-CVAR-99%模型—台灣50指數成分股 52
表 13 最適權重:M-V模型—台灣50指數成分股 53
表 14 最適權重:M-CVAR-95%模型—香港琤肏數成分股 54
表 15 最適權重:M-CVAR-99%模型—香港琤肏數成分股 55
表 16 最適權重:M-V模型—香港琤肏數成分股 56
表 17 最適權重:M-CVAR-95%模型—中國滬深300指數成分股 57
表 18 最適權重:M-CVAR-99%模型—中國滬深300指數成分股 58
表 19 最適權重:M-V模型—中國滬深300指數成分股 59
表 20 三種投資地區之績效評比結果 63
表 21 投資地區一:台灣50指數成分股之報酬率比較 64
表 22 投資地區二:香港琤肏數成分股之報酬率比較 65
表 23 投資地區三:中國滬深300指數成分股之報酬率比較 66
表 24 三種投資地區之報酬率比較次數表 67
表 25 投資組合不同選股地區之平均報酬率差異統計檢定表 69

圖 次
圖 1 研究架構圖 6
圖 2 風險值圖形 13
圖 3 風險值非平滑、具有多個局部極值 18
圖 4 風險值與條件風險值損失分配圖 18
圖 5 研究方法流程 23
圖 6 效率前緣曲線 27
圖 7 樣本及績效評估日期 38
圖 8 台灣50指數走勢圖 41
圖 9 香港琤肏數走勢圖 41
圖 10 中國滬深300指數走勢圖 42
圖 11 台灣50指數成分股報酬率之次數分配圖 47
圖 12 香港琤肏數成分股報酬率之次數分配圖 48
圖 13 中國滬深300指數成分股報酬率之次數分配圖 49
參考文獻 一、中文文獻
1. 吳雅萍(2004),在VaR風險指標下之最適投資組合─以亞洲股價指數為例,南台科技大學企業管理系碩士論文。
2. 洪幸資(2004),控制風險值下的最適投資組合,國立政治大學金融研究所碩士論文。
3. 許倫維(2006),探討在Mean-Variance模型下,VaR或CVaR的條件限制對投資組合選擇的影響,國立清華大學科技管理研究所碩士論文。
4. 許晉雄、鄒慶士、葉柏緯((2010),「不同風險衡量下效率投資組合之比較分析」,東吳經濟商學學報,第70期,頁29-56。
5. 曾瓊萩(2006),條件風險值限制下的最適投資組合,臺灣大學財務金融學研究所碩士論文。
6. 黃惠萱(2006),最適資產配置模型績效之研究,銘傳大學財務金融學系研究所碩士論文。
7. 楊朝孔(2007),條件風險值CVaR之應用,國立中正大學國際經濟所碩士論文。
8. 賴財慶與李詩政(2004),「台灣金融控股公司市場風險資本配置之研究─條件風險值法」,證券市場發展季刊,第16卷第4期,頁145-174。
9. 羅妃珊(2008),風險預測、條件風險值與最適投資組合績效,國立虎尾科技大學經營管理研究所碩士論文。

二、英文文獻
1. Alexander, G. J. and A. M. Baptista,(2004), “A Comparison of VaR and CVaR Constraints on Portfolio Selection with the Mean-Variance Model,” Management Science, Vol. 50, No.90, pp.1261-1273.
2. Allen, D. E. and R. J. Powell,(2007), “Thoughts on VaR and CVaR, “ MODSIM 2007 International Conference on Modelling and Simulation. Modelling and Simulation Society of Australia and New Zealand, pp.1843-1850.
3. Ang, A., J. Chen, and Y. Xing,(2006), “Downside Risk, “ The Review of Financial Studies, Vol. 19, No.4, pp.1191-1239.
4. Artzner, P., F. Delbaen, J. M. Eber, and D. Heath,(1999), “Coherent Measures of Risk,” Mathematical Finance. Vol. 9, No. 3, pp.203-228.
5. Bawa, V. S.,(1975), “Optimal Rules for Ordering Uncertain Prospects,” Journal of Financial Economics, Vol. 2, No 1, pp.95-121.
6. Beder, T. S.,(1995), “VAR: Seductive but Dangerous,” Financial Analysts Journal, Vol. 51, No. 5, pp.12-24.
7. Brinson, G. P. and B. D. Singer, and G. L. Beebower,(1986), “Determinants of Portfolio Performance,” Financial Analysts Journal, Vol. 42, No. 4, pp. 39-48.
8. Campbell, R., R. Huisman and K. Koedijk,(2001), “ Optimal Portfolio Selection in a Value-at-Risk Framework,” Journal of Banking and Finance, Vol. 25, No. 9, pp. 1789-1804.
9. Chopra, V. K., and W. T. Ziemba,(1993), “The Effect of Errors in Means, Variances, and Covariances on Optimal Portfolio Choice,” Journal of Portfolio Management, Vol. 19, No. 2, pp.6-11.
10. Constantinides, G. M. and A. C. Malliaris(1995), Portfolio Theory. In R. Jarrow et al.,(Eds.), Handbooks in O.R. and M.S., Vol. 9, Elsevier Science.
11. Cooley, P. L., R. L. Roenfeldt, and N. K. Modani, 1977), “Interdependence of Market Risk Measures,” Journal of Business, Vol. 50, No 3, pp.356-363.
12. Dellbaen, F.(2002), Coherent Risk Measures on General Probability Spaces. In:Advances in Finance and Stochastics, pp.1–37. Springer, Berlin.
13. Duarte, A. M. and S. D. R. Alcantara,(1999), “Mean-Value-at-Risk Optimal Portfolios with Derivatives,” Derivatives Quarterly, Vol. 6, No. 2, pp.56-63.
14. Fabozzi, F. J. and H. M. Markowitz,(2002), The Theory and Practice of Investment Management, John Wiley and Sons , New York.
15. Fishburn, P. C.,(1977), “Mean-Risk Analysis with Risk Associated with Below-Target Returns,” The American Economic Review, Vol. 67, No. 2, pp.116-126.
16. Gaivoronski, A. A., and G. Pflug,(2004), “Value-at-Risk in Portfolio Optimization: Properties and Computational Approach, “ Journal of Risk, Vol. 7, No. 2, pp.1-31.
17. Hendricks, D.,(1996), “Evaluation of Value-at-Risk Models Using Historical Data, Federal Reserve Bank of New York Economics Policy Review, Vol 2, pp.39-69.
18. Huisman, R., K. G. Koedijk and R. A. J. Pownall,(1999), “Asset Allocation in a Value-at-Risk Framework,” Working Paper, Erasmus University of Rotterdam.
19. Hull, J., and A. White,(1998), “Incorporating Volatility Updating into the Historical Simulation Method for VaR,” The Journal of Risk, Vol. 1, No. 1, pp.5-19.
20. Jensen, M. C.,(1968), “The Performance of Mutual Funds in the Period 1945-1964,” Journal of Finance, Vol. 23, No. 2, pp.389-416.
21. Jorion, P.(1997), “Value at Risk: The New Benchmark for Managing Financial Risk, McGraw-Hill.
22. Krokhmal, P., J. Palmquist, and S. Uryasev,(2002), “Portfolio Optimization with Conditional Value-at-Risk Objective and Constraints,” Journal of Risk, Vol. 4, pp.43–68.
23. Lucas, A., and P. Klaassen, (1998), “Extreme Returns, Downside Risk, and Optimal Asset Allocation,” The Journal of Portfolio Management, Vol. 25, No.1, pp.71-79.
24. Markowitz, H.,(1952), “Portfolio Selection,” The Journal of Finance, Vol.7, No. 1, pp.77-91.
25. Markowitz, H.(1959),Portfolio Selection: Efficient Diversification of Investments, New York: John Wiley.
26. Pflug, G.(2000), Some Remarks on Value-at-Risk and Conditional-Value-at-Risk. In R. Uryasev(Ed.), Probabilistic Constrained Optimisation: Methodology and Applications. Dordrecht, Boston: Kluwer Academic Publishers.
27. Rockafellar, R. T. and S. Uryasev,(2000), “Optimization of Conditional Value-at-Risk,” Journal of Risk, Vol. 2, pp.21–42.
28. Rockafellar, R. T. and S. Uryasev,(2002), “Conditional Value-at-Risk for General loss Distributions,” Journal of Banking & Finance, Vol. 26, No. 7, pp.1443-1471.
29. Roy, A. D.,(1952), “Safety First and the Holding of Assets,” Econometrica, Vol. 20, No. 3, pp.431-449.
30. Sharpe, W. F.,(1964), “Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk,” Journal of Finance, Vol. 19, pp.425-442.
31. Sharpe, W. F.,(1966), “Mutual Fund Performance,” Journal of Business, Vol. 39, No. 1, pp.119-138.
32. Treynor, J.L.,(1965), “How to Rate Management of Investment Fund,” Harvard Business Review, Vol. 43, pp.63-75.
33. Treynor, J. L. and F. Black,(1973), “How to Use Security Analysis to Improve Portfolio Selection,” Journal of Business, Vol. 46, No. 1, pp.66-86.
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2011-06-29公開。
  • 同意授權瀏覽/列印電子全文服務,於2016-06-29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