簡易檢索 / 詳目顯示
| 研究生： |
叢宏文 Tsong, Hong-Wen |
|---|---|
| 論文名稱： |
日經股價指數期貨避險效果之實證研究－GARCH模型之應用 The Study of Hedging Effectveness of Nikkei 225 Index Futures - GARCH Model |
| 指導教授： |
顏錫銘
Yen, Si-Ming |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 企業管理學系 Department of Business Administration |
| 論文出版年： | 1996 |
| 畢業學年度： | 84 |
| 語文別： | 中文 |
| 論文頁數： | 109 |
| 中文關鍵詞： | 日經股價指數期貨 、避險效果 、GARCH模型 |
| 外文關鍵詞： | NIKKEI 225 INDEX FUTURES, HEDGING EFFECTIVENESS, GARCH MODEL |
| 相關次數： | 點閱：351 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 |
本研究以天真避險、傳統OLS模型、OLS共整合模型及Bivariate GARCH模型探討SIMEX及OSE所交易的日經225 (Nikkei 225)股價指數期貨對日本及台灣股市風險的避險效果，測試在台灣股價指數期貨尚未推出之際，投資人是否可能採用鄰近國家，如日本的日經股價指數期貨，來規避台灣股市風險。本研究採用每週三週報酬資料，研究期間自1988年9月3日起至1995年12月底止，全部樣本期間共有376筆資料，劃分為兩個子期間，並以第二子期間做樣本外測試，避險期間分為一週、兩週及四週。
實證結果發現：
(1) SIMEX日經指數期約、OSE日經指數期約、日經股價指數及台灣股價指數的時間數列均非常態分配。經一階差分之後，上述四個時間數列才會為定態數列。日經股價指數期貨與日經股價指數之間有共整合關係，此乃表示現貨與期貨價格之間存在有長期均衡關係，但日經股價指數期貨與台灣股價指數之間並無共整合關係。
(2) Bivariate GARCH模式在各研究期間所得到的各參數的估計值，大多顯著，這說明不論在日本或台灣市場，以日經股價指數期貨規避股票市場風險時，期貨與現貨分配會有隨時間而變動的現象。
(3) 在日經指數的現貨市場中：
1. OLS共整合模型的避險比率較傳統OLS模型為高。使用SIMEX期貨契約避險所需要的避險比率較使用OSE期貨契約為避險工具時為小，而且不論使用SIMEX或OSE期貨契約避險，當避險期間越長，避險比率越大。
2. 在樣本內實證中，以OSE期貨契約避險所造成的投資組合變異數較使用SIMEX期約為大，而且投資組合變異數隨避險期間的增長而有下降的趨勢，但在樣本外的期間中，卻無如此的明顯趨勢。
3. 除了在日本股市大崩盤之前的實證期間顯示不論是使用SIMEX或OSE期貨契約，Bivariate GARCH模型的避險效果均較好之外，在其他的實證期間中，GARCH模型大約只比天真避險模式效果好，卻比其他模型效果差，而這種情況在使用OSE期貨契約時更為明顯，不過不論使用哪種模型，都能比不避險時減少大部份現貨的風險。
4. 從樣本內實證期間發現SIMEX與OSE契約在避險效果上是有差別的，但樣本外實證卻未發現避險效果上有明顯差別。
(4)在台灣股價指數的現貨市場下：
1. 不論使用SIMEX或OSE期貨契約避險在崩盤前所需要的避險比率均較崩盤後為高，而不論使用SIMEX或OSE期貨契約避險，避險比率均差不多。
2. 樣本內或樣本外實證都發現，若使用天真避險模式避險還不如不避險的好。除了在大崩盤後的樣本內實證中，GARCH模式的組合變異比傳統OLS模式為高之外，Bivariate GARCH模式的確優於其他避險模式。但日經指數期約與台灣股價指數所形成的投資組合變異數比在日本市場時高出甚多，且使用OLS或GARCH模式只能略微降低不避險狀態下所造成的變異數。不論是參數的估計值或避險績效都支持日經指數期貨與台灣股價指數間存在有GARCH效果。
表次-----III
圖次-----IV
第一章 緒論
第一節 研究背景與動機-----1
第二節 研究目的-----3
第三節 研究對象與期間的選擇-----4
第四節 研究架構-----5
第二章 文獻探討
第一節 指數期貨的功能-----7
第二節 日經股價指數期貨市場-----11
第三節 避險理論與避險績效之文獻探討-----15
第四節 股價指數避險實證之文獻探討-----22
第五節 國內股票市場GARCH實證之文獻探討-----26
第六節 台灣與日本股市相關性之文獻探討-----28
第三章 實證模型探討
第一節 一般化自身迴歸異質條件變異數(GARCH)模型
（一）ARCH過程-----33
（二）GARCH過程-----39
第二節 實證模型
（一）天真避險、傳統OLS模型與OLS共整合模型-----47
（二）Bivariate GARCH模型-----49
（三）避險比率之決定-----50
（四）避險績效之衡量-----52
第四章 實證結果與分析
第一節 資料來源與處理-----55
第二節 期貨及現貨的分配性質-----57
第三節 各種避險模型之效果比較-----68
第五章 結論與建議
第一節 結論與貢獻-----88
第二節 研究限制-----90
第三節 建議-----90
參考文獻-----91
表次
表2-1 SIMEX與OSE日經股價指數期貨契約之比較-----13
表4-1 統計值表-----64
表4-2 單根檢定表-----65
表4-3 共整合檢定表（對日經指數）-----66
表4-4 共整合檢定表（對台灣股價指數）-----67
表4-5 各避險期間中Bivariate GARCH模型的平均避險比率（全部樣本期間）-----70
表4-6 以GARCH模式避險的各項係數最大估計值(1988/9/7-1995/12/27)-----71
表4-7 以GARCH模式避險的各項係數最大估計值（1988/9-1989/12/27對日本；1988/9-1990/2/7對台灣）-----73
表4-8 以GARCH模式避險的各項係數最大估計值（1990/1/4-1994/12/28對日本；1990/2/14-1994/12/28對台灣）-----75
表4-9 樣本內避險績效之實證結果(1988/9/7-1995/12/27)-----77
表4-10 樣本內避險績效之實證結果（1988/9-1989/12/27對日本；1988/9-1990/2/7對台灣）-----79
表4-11 樣本內避險績效之實證結果（1990/1/4-1994/12/28對日本；1990/2/14-1994/12/28對台灣）-----80
表4-12 樣本外避險績效之實證結果（1990/1/4-1995/12/27對日本；1990/2/14-1995/12/27對台灣）-----82
圖次
圖1-1 研究架構圖-----5
圖4-1 全部樣本期間的指數（收盤價）走勢圖：避險期間為一週（日經股價指數期貨及日經指數現貨）-----58
圖4-2 全部樣本期間的指數（收盤價）走勢圖：避險期間為一週（日經股價指數期貨及台灣指數現貨）-----59
圖4-3 全部樣本期間的指數（收盤價）走勢圖：避險期間為二週（日經股價指數期貨及日經指數現貨）-----60
圖4-4 全部樣本期間的指數（收盤價）走勢圖：避險期間為二週（日經股價指數期貨及台灣指數現貨）-----61
圖4-5 全部樣本期間的指數（收盤價）走勢圖：避險期間為四週（日經股價指數期貨及日經指數現貨）-----62
圖4-6 全部樣本期間的指數（收盤價）走勢圖：避險期間為四週（日經股價指數期貨及台灣指數現貨）-----63
圖4-7 全部樣本期間的避險比率圖（對日經股價指數）-----69
圖4-8 全部樣本期間的避險比率圖（對台灣加權股價指數）-----85
(限達賢圖書館四樓資訊教室A單機使用)