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 U0002-2705200814593500
中文論文名稱 股價波動性預測
英文論文名稱 Forecasting the Volatility of Stock Index Returns
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 96
學期 2
出版年 97
研究生中文姓名 林秀蓉
研究生英文姓名 Hsiu-Jung Lin
學號 695531417
學位類別 碩士
語文別 中文
口試日期 2008-05-18
論文頁數 71頁
口試委員 指導教授-李命志
指導教授-吳佩珊
委員-李命志
委員-吳佩珊
委員-邱建良
委員-林卓民
委員-邱哲修
中文關鍵字 波動性預測  GARCH  GJR GARCH  偏態  峰態  波動不對稱 
英文關鍵字 Volatility forecasting  GARCH  GJR GARCH  GED  Skewness  Fat tails  Asymmetric 
學科別分類 學科別社會科學商學
中文摘要 波動性的預測攸關資產配置、投資組合避險、風險控管以及衍生性金融商品訂價的正確性。本研究以美國主要股價指數為主,包含道瓊平均工業指數、S&P 500綜合指數、那斯達克工業指數與費城半導體指數,一共4種美國主要指數為研究對象,進行波動性估計模型之預測能力比較。
本研究係探討美國主要股價報酬之動態效果,考量在一般化GARCH模型與GJR GARCH模型下,其對模型的預測能力,另研究條件變異數是否能在分配不同的考量下,提昇模型之解釋能力。期望透過本研究之實證分析,可以獲得一個廣泛性預測較佳的模型,進一步提供投資決策者掌握金融資產報酬波動性的可行管道。實證結果:由RMSE與MAE比較模型之預測能力發現, GJR GARCH-GED模型優於GARCH-GED模型。此結果顯示出股價報酬存在波動不對稱的特性,即壞消息容易引發市場較大幅度的波動。此外,本研究發現分佈假設的妥適考量,對於估計效能提昇及參數估計之正確性具有重要影響力。
英文摘要 Volatility plays an important role in finance. If we can capture the characteristics of the motions of assets precisely, we could make good portfolios and control risks efficiently. This study investigates how specification of returns distribution influences the performance of volatility forecasting using two GARCH models and two GJR GARCH models(GARCH-N, GARCH-GED, GJR GARCH-N and GJR GARCH-GED). Daily spot prices on the DOW, S&P500, NASDAQ and PHLX indices provide empirical sample for discussing and comparing the relative sample volatility predictive ability, given the growth potential of stock markets in America to the eyes of global investors.
Empirical results indicate that the GJR GARCH-GED model is superior to the GARCH-GED model in forecasting U.S. stock market indices volatility, for all forecast horizons when model selection is based on RMSE or MAE. These findings show the signification of the asymmetry in the volatility specification. In other words, the empirical results show that bad news induces volatility greater than good news.
論文目次 目錄
第壹章 緒論 1
第一節 研究動機 1
第二節 研究目的 2
第三節 研究架構 4
第貳章 文獻整理與相關理論 6
第一節 波動性的特性 6
第二節 波動性估計模型的發展 7
第三節 GARCH模型之相關文獻 11
第四節 波動性模型之預測能力 14
第五節 偏態與峰態 20
第参章 研究方法 23
第一節 ARCH與GARCH模型 23
第二節 GARCH-GED模型與不對稱之GJR GARCH模型 28
第三節 模型分配之介紹 34
第四節 概似比率檢定 44
第五節 波動性預測能力 45
第肆章 實證分析 46
第一節 報酬率之基本特性分析 46
第二節 GARCH(1,1)模型與GJR GARCH(1,1)模型估計結果 54
第三節 各分配模型之最大概似估計分析 58
第四節 模型配適度估計結果 62
第五節 波動性預測 64
第伍章 結論 65
參考文獻 66

表目錄
表3-1 各種GARCH模型的條件變異數 27
表3-2 各分配之整理 43
表3-3 未受限制模型模型與受限制模型之概似比率檢定 44
表4-1 4個美國股市主要指數之成分 48
表4-2 美國主要股價指數的基本統計量 51
表4-3 GARCH-GED與GARCH-N之最大概似估計值 55
表4-4 GJR GARCH-GED與GJR GARCH-N之最大概似估計值 57
表4-5-1 股價日報酬在各種分配下的最大概似估計值 59
表4-5-2 股價日報酬在各種分配下的最大概似估計值 60
表4-6 概似比率檢定結果 63
表4-7 波動性預測能力比較 64


圖目錄
圖1-1 實證步驟圖 4
圖1-2 研究流程圖 5
圖3-1 GED分配與常態分配密度分佈圖 31
圖3-2 各分配之關聯圖 32
圖3-3 SGT分配與常態分配密度分佈圖 36
圖3-4 GT分配與常態分配密度分佈圖 37
圖3-5 t分配與常態分配密度分佈圖 38
圖3-6 ST分配與常態分配密度分佈圖 40
圖3-7 SGED分配與常態分配密度分佈圖 41
圖4-1 美國主要股價指數與股價指數報酬走勢圖 49
圖4-2 DOW股價指數之ACF、PACF與報酬率之DACF 52
圖4-3 S&P500股價指數之ACF、PACF與報酬率之DACF 52
圖4-4 NASDAQ股價指數之ACF、PACF與報酬率之DACF 53
圖4-5 PHLX股價指數之ACF、PACF與報酬率之DACF 53
圖4-6 NASDAQ左尾分布圖 61
圖4-7 美國主要股價指數之SGT與Normal分配機率密度函數 61
參考文獻 參考文獻

中文部份:

王甡(1995),「報酬衝擊對條件波動所造成之不對稱效果-台灣股票市場之實證分析」,證券市場發展季刊,第7卷,第1期,頁125-161。

王凱立、林嘉慧(2003),「條件高階動差於財務金融市場之應用」,財務金融學刊 (原中國財務學刊),第11卷,第2期,頁1-41。

古欣卉(2006),預測財務波動性:CARR模型的應用,淡江大學財務金融學系碩士學位論文。

呂文正(1998),股票報酬率的波動性研究-ARCH-Family、SWARCH模型之應用,國立台灣大學經濟研究所,碩士論文。

吳佳貞(1997),波動度預測模型之探討,國立政治大學金融研究所,碩士論文。

李進生、鍾惠民、陳煒朋(2000),「不同波動性模型預測能力之比較:台灣與香港認購權證市場實證」,證券市場發展季刊,第11卷,第4期,頁57-90。

李命志、趙其琳(2001),「波動性預測能力比較-台灣認購權證之實證研究」,臺灣銀行季刊,第52卷,第2期,頁101-127。

林楚雄、劉維琪、吳欽杉 (1999) ,「GJR與Volatility-Switching GARCH模型的比較:台灣股票市場之研究」,中國財務年會暨學術研討會,雲林科技大學。

林楚雄、劉維琪、吳欽杉(1997),「台灣股票市場報酬的期望值與條件波動之關係」,交大管理學報,第17卷,第3期,頁103-124。

林楚雄、劉維琪、吳欽杉(1999),「不對稱GARCH模型的研究」,管理學報,第16卷,第3期,頁479-515。

邱建良、李命志、徐泰瑋(1999),「臺灣股市報酬率波動性行為之探討」,臺灣經濟金融月刊,第35卷,第6期,頁43-53。
周雨田、巫春洲、劉炳麟(2004),「動態波動模型預測能力之比較與實證」,財務金融學刊(TSSCI),第12卷,第1期,頁1-25。

洪瑞成、劉洪鈞(2005),「厚尾GARCH模型之波動性預測績效」,計量管理期刊,第3卷,第2期,頁161~174。

許能凱(2006),金融商品波動性預測,淡江大學財務金融學系碩士學位論文。

陳宜里(2001),外資與產業結構轉變對股市報酬率之影響-基本面與技術面之綜合分析,中原大學國際貿易學系碩士學位論文。

黃宏文(1998),股價指數期貨上市對指數波動性之研究-以香港恆生指數為例,國立中興大學統計學研究所,碩士論文。

莊益源、張鍾霖、王祝三(2003),「波動率模型預測能力的比較-以台指選擇權為例」,台灣金融財務季刊,第4輯,第2期,頁41-63。

鄧淑芬(2000),波動性估計模型預測能力之比較-美國及亞洲各國股價指數之 實證研究,國立高雄第一科技大學財務管理系,碩士論文。

蔡麗茹、葉銀華(2000),「不對稱GARCH族模型預測能力之比較研究」,輔仁管理評論,第7卷,第1期,頁183-196。

蕭堯仁(2007),短期利率動態波動模型之實證研究,淡江大學財務金融學系碩士學位論文。


英文部份:

Akgiray, V. (1989), Conditional heteroscedasticity in time series of stock returns: evidence and forecasts, Journal of Business 62, 55-80

Bali, Turan G. (2007), Modeling the dynamics of interest rate volatility with skewed fat-tailed distributions, Annals of Operations Research 151, 151-178.

Bali, Turan G. and Panayiotis Theodossiou (2007), A conditional-SGT-VaR approach with alternative GARCH models, Annals of Operations Research 151, 241-267.

Bali, Turan G. and K. Ozgur Demirtas (2008), Testing mean reversion in financial market volatility: evidence from S&P 500 index futures, Journal of Futures Markets 28(1), 1-33.

Bao, Yong, Tae-Hwy Lee and Burak Saltoglu (2007), Comparing density forecast models, Journal of Forecasting, Journal of forecast 26, 203-225.

Berndt, E.R, B.H. Hall, R.E. Hall and J.A. Hausman (1974), Estimation and inference in nonlinear structural models, Annals of Economic and Social Measurement 4, 653-665.

Black, F. (1976), Studies of stock price volatility changes, Proceedings of the 1976 Meetings of the American Statistical Association, Business and Economics Statistics Section, 177-181.

Bollerslev, T. (1986), Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics 31, 307-327.

Bollerslev, T. (1987), A Conditionally heteroskedastic time series model for speculative prices and rates of return, The Review of Economics and statistics 69(3), 542-547.

Bollerslev, R. Chou, and K. Kroner (1992), ARCH modeling in finance: A Review of theory and empirical evidence”, Journal of Econometrics 52, 5-60.

Bollerslev, T. and R. T. Baillie (1992), Prediction in dynamic models with time-dependent conditional variances, Journal of Econometrics 51, 91-114.

Campbell, J. Y. and L. Hentschel (1992), No news is good news: An asymmetric model of changing volatility in stock returns, Journal of Financial Economics 31, 281-318


Chou, R.Y. (2005), Forecasting financial volatilities with extreme values: The conditional autoregressive range (CARR) model, Journal of Money, Credit, and Banking 37, 561-582.

Christie, A. A. (1982), The stochastic behavior of common stock variances, Journal of Financial Economics 10, 407-432.

Day, T. E. and C. M. Lewis (1992), Stock market volatility and the information content of stock index options, The Journal of Finance 52, 267-287.

Engle, R. F. (1982), Autoregressive conditional heteroscedasticity with estimates of variance of UK inflation, Econometrica 50, 987-1008.

Engle, R. F. (1990), Discussion: Stock market volatility and the crash of 87, Review of Financial Studies 3, 103-106.

Engle, R. F. and V. K. Ng (1993), Measuring and testing the impact of news on volatility, Journal of Finance 48, 1749-1779.

Fama, E. F. (1965), The behavior of stock market prices, Journal of Business 38, 34-105.

Fang, H. and T. Y. Lai (1997), Co-kurtosis and capital asset pricing, Financial Review 32(2), 293-305.

Fernandez, Carmen and Mark F J Steel (1998), On Bayesian modeling of fat tails and skewness, Journal of the American Statistical Association 93, 441

Fornari, F. and A. Mele (1997), Sign- and volatility-switching arch models: Theory and applications to international stock markets, Journal of Applied Econometrics 12(1), 49 -66.

Glosten, L.R., R. Jagannathan and D.E. Runkle (1993), On the relation between the expected value and volatility on the nominal excess returns of stocks, Journal of Finance 48, 1779-1801.

Gwilym, O. A. (2001), Forecasting volatility for options pricing for the U.K. stock market, Journal of Financial Management & Analysis 14(2), 55-62.

Hansen, B. E. (1994), Autoregressive conditional density estimation, International Economic Review 35(3), 705-730.

Harris, R. D. F., C. C. Kucukozmen and F. Yilmaz (2004), Skewness in the conditional distribution of daily equity returns, Applied Financial Economics 14(3), 195-202.

Harvey, C. R. and A. Siddique (1999), Autoregressive conditional skewness, Journal of Financial and Quantitative Analysis 34, 465-488.

Kanas, A. (1998), Volatility spillovers across equity markets: European evidence, Applied Financial Economics 8(3), 245-57.

Mandelbrot, B. (1963), The variation of certain speculative prices, Journal of Business 36, 394-419.

McDonald, James, B. and Whitney K. Newey (1988), Partially adaptive estimation of Regression Models via the Generalized t Distribution, Econometric Theory 4(3), 428-457.

McDonald, J. B. and Y. J. Xu (1995), A generalization of the beta distribution with applications, Journal of Econometrics 66, 133-152.

Morgan, I. G.(1976), Stock prices and heteroscedasticity, Journal of Business 49, 496-508.

Munoz, M. Pilar, M. Dolores Marquez and Lesly M. Acosta (2007), Forecasting volatility by means of threshold models, Journal of forecast 26, 343-363.

Nelson, D. B. (1991), Conditional heteroskedasticity in asset returns: A new approach, Econometrica 59, 347-370.

Politis, D. N. (2004), A heavy-tailed distribution for ARCH residuals with application to volatility prediction, Annals of Economics and Finance, vol. 5, pp. 283-298; also available as UCSD Dept. of Economics Discussion Paper 2004-01.


Sadorsky, P. (2006), Modeling and forecasting petroleum futures volatility, Energy Economics 28, 467-488.

Schwert, G. W. and P. J. Seguin (1990), Heteroskedasticity in stock returns, Journal of Finance 45, 1129-1155.

Theodossiou, P. (1998), Financial data and the skewed generalized t distribution, Management Science 44, 1650-1661.

Theodossiou, P. (2001), Skewed generalized error distribution of financial assets and option pricing, Working Paper, Rutgers University.

Wang, K. L., C. Fawson, C. B. Barrett and J. B. McDonald (2001), A flexible parametric GARCH model with an application to exchange rates, Journal of Applied Econometrics 16(4), 521-536.

Zakoian, J. M. (1994). Threshold heteroskedastic models, Journal of Economic Dynamics & Control 18(5), 931-56.
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2008-06-10公開。
  • 同意授權瀏覽/列印電子全文服務,於2009-06-10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