以條件拔靴法估計VaR之探討

  關於風險值之估計,拔靴法因直接以市場資料為抽樣分配,計算時便包含一般財務時間序列所常有的厚尾高峰等現象,避免模型偏誤(Model Risk)。但市場上的波動因具有異質變異,易產生波動聚集現象(Volatility Clustering),是以歷史資料無法立即反應波動之起伏與及時之資訊,一般VaR估計模型往往在波動較劇烈起伏處,無法準確估計風險值,因而提高市場風險。   針對於此,此次研究嘗試以GARCH模型捕捉波動起伏,並運用拔靴法估計之便捷與優點,估計更可靠之風險值(簡稱GARCH Bootstrap)。研究所得之主要結論如下:   1.拔靴法(Bootstrap)以及偏誤修正之拔靴法(...

Full description

Bibliographic Details
Main Author: 賴信宏
Language:中文
Published: 國立政治大學
Subjects:
Online Access:http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22A2010000393%22.
Description
Summary:  關於風險值之估計,拔靴法因直接以市場資料為抽樣分配,計算時便包含一般財務時間序列所常有的厚尾高峰等現象,避免模型偏誤(Model Risk)。但市場上的波動因具有異質變異,易產生波動聚集現象(Volatility Clustering),是以歷史資料無法立即反應波動之起伏與及時之資訊,一般VaR估計模型往往在波動較劇烈起伏處,無法準確估計風險值,因而提高市場風險。   針對於此,此次研究嘗試以GARCH模型捕捉波動起伏,並運用拔靴法估計之便捷與優點,估計更可靠之風險值(簡稱GARCH Bootstrap)。研究所得之主要結論如下:   1.拔靴法(Bootstrap)以及偏誤修正之拔靴法(Bias-Corrected Bootstrap)在厚尾及常態之下,皆比歷史模擬法有較佳之估計。但實證資料因厚尾情形不足,三者之VaR估計,並無顯著差異。   2.拔靴法及偏誤修正之拔靴法於模擬中有較大之差距,實證下則較小,應為實證資料厚尾情形較輕微所致。   3.模擬中,在GARCH模型之配適上,選擇樣本大小(或窗口大小)為250日或500日皆為條件之估計較佳。但實證上,250日的資料仍嫌不足,在計算參數時會有不收斂而無法得其結果。建議在窗口選擇上應至少為500日。   4.在資料本身具有GARCH現象時,GARCH Bootstrap會較Bootstrap為佳。