簡易檢索 / 詳目顯示
| 研究生： |
賴恬忻 Lai, Teng-Shing |
|---|---|
| 論文名稱： |
臺灣匯率非恆定實證方法預測之研究 The prediction of new Taiwan dollars-nonstationary method |
| 指導教授： | 汪義育 |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 國際經營與貿易學系 Department of International Business |
| 論文出版年： | 1998 |
| 畢業學年度： | 86 |
| 語文別： | 中文 |
| 論文頁數： | 77 |
| 中文關鍵詞： | 貨幣學派模型 、隨機漫步模型 、非恆定實證方法 、共積關係 、向量誤差修正模型 、貝氏方法 |
| 外文關鍵詞： | Montary approach model, Random walk, Non-stationay method, Cointegration, Error correction model, Bayesian method |
| 相關次數： | 點閱：170 下載：0 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
自1997年以降，受到亞洲金融風暴的衝擊，亞洲各國匯率巨幅波動，於是如何增進匯率預測的準確度已成為重要的研究課題。而自1973年布列敦森林體制崩潰，各工業國家改採浮動匯率以來，匯率巨幅波動致使國際收支理論不再能解釋匯率如何決定，於是1970年代，學者們紛紛提出各種匯率決定理論，其中以貨幣學派模型與資產組合平衡模型最受到重視。然而，自1978年始，這些結構模型的解釋能力逐漸受到質疑，在1983年Meese and Rogoff甚至提出結構模型的樣本外預測能力不如隨機漫步模型的樣本外預測表現，引起學者們的討論到底何者的樣本外預測表現較佳。而隨著計量方法的演進實證研究已由恆定的計量方法演進至非恆定的計量方法，在非恆定的計量方法方面，MacDonald and Taylor(1993、1994)、吳宜璋(1996)等人的研究皆採誤差修正模型來做預測。
本研究亦採誤差修正模型來做預測，但對其他學者的研究稍作改良：1.加入結構變動虛擬變數2.以向量誤差修正模型而非一條誤差修正的式子來做預測，在此以整個體系的觀點來做預測3.以背氏方法加入相驗情報來改善預測。
結論為在金融風暴發生期間，匯率受非基本面因素影響較大時，貝氏向量自迴歸模型預測表現較佳。而在金融風暴發生之前，匯率受基本面影響較小時，以貝氏向量誤差修正模型為良好的預測模型。
This study improves other scholars' empirical studies by testing structure changes and by using Vector Error Correction Model to forecast N.T. Dollars.
Futhermore,use Bayesian Method to improve predition .The conclusion is Bayesian VAR Model perform better when forecasting period include Asian finanl crisis . And Bayesian VECM Model is better model when forecasting period don't include Asian financial crisis.And the out of sample prediction performance of structure model is better than Random Walk Model.
目錄
第一章 緒論 1
第一節 研究動機與目的 1
第二節 論文架構 2
第二章 文獻回顧 3
第一節 恒定的計量方法 3
第二節 非恆定的計量方法 7
第三章 貨幣學派模型簡介 12
第一節 價格充分調整貨幣模型 12
第二節 實質利率差模型 16
第四章 研究方法 19
第一節 非恆訂單根數列的性質及檢定 20
第二節 模型設定 26
第三節 共積關係與誤差修正模型 27
第四節 貝氏向量誤差修正模型 31
第五章 實證分析 35
第一節 單根及結構變動點檢定 37
第二節 模型設定 41
第三節 共積關係與誤差修正模型 43
第四節 貝氏模型之估計與預測 47
第五節 向量自迴歸模型與向量誤差修正模型預測比較 51
第六章 結論與建議 55
附錄A 57
附錄B 58
附錄C 61
附錄D 63
附圖一 67
附圖二 68
附圖三 69
附圖四 70
附圖五 71
附圖六 72
參考文獻 73
論文表次
表2.1 採恆定計量方法預測之文獻 10
表2.2 採非恆定暨量方法預測之文獻 11
表4.1 Pillips-perron(1988)單根統計檢定量 24
表4.2 Johansen 提出之五個 Case 29
表5.1 結構變動點暨單根檢定結果 39
表5.2 ADF、PP 檢定結果 40
表5.3 結構變動點暨單根檢定結論 40
表5.4 體系應納入之確定項與落後期次結論 43
表5.5 第一組之循序檢定 44
表5.6 第二組之循序檢定 44
表5.7 第一組之共積向量 44
表5.8 第二組之共積向量 45
表5.9 誤差修正模型預測表現 46
表5.10 α值之選取：範圍 0 至 1.5、間距 0.25 48
表5.11 α值之選取：範圍 0 至 0.2、間距 0.05 48
表5.12 α值之選取：範圍 0 至 0.1、間距 0.01 49
表5.13 f(i,j)值之選取：範圍 0 至 1.0、間距 0.25 49
表5.14 f(i,j)值之選取：範圍 0 至 1.0、間距 0.1 49
表5.15 g(l)值之選取 50
表5.16 貝氏向量誤差修正模型結果 51
表5.17 比較 VAR 與 VECM 之預測表現 51
表5.18 貝氏向量自迴歸模型預測結果 52
表5.19 比較 Bayesian VAR 與 Bayesian VECM 之結果 53
附註表次
附表1 第一組刪除季節虛擬變數的影響 58
附表2 第一組刪除、、之影響 58
附表3 第一組刪除、或之影響 59
附表4 第二組刪除季節虛擬變數的影響 59
附表5 第二組刪除、、的影響 60
附表6 第二組刪除、、、、的影響 60
附表7 第二組預測至 86 年 6 月刪除季節虛擬變數之影響 61
附表8 第二組預測至 86 年 6 月刪除、、之影響 61
附表9 第二組預測至 86 年 6 月刪除、、之影響 62
附表10 BVAR 預測至 86 年 11 月此組α值之選取：範圍 0 至 25，間距 5.0 63
附表11 BVAR 預測至 86 年 11 月此組α值之選取：範圍 21 至 24，間距 1.0 64
附表12 BVAR 預測至 86 年 6 月此組α值之選取：範圍 0 至 10，間距 1.0 64
附表13 BVAR 預測至 86 年 6 月此組α值之選取：範圍 8.25 至 9.75，間距 0.25 65
附表14 BVAR f(i,j)值之選取 65
附表15 BAVR g(l)值之選取 66
圖次
圖4.1 單根暨結構變動檢定流程圖 25
圖5.1 研究架構 36
圖5.2 Theil-U 之趨勢比較圖 53
(限達賢圖書館四樓資訊教室A單機使用)