English  |  正體中文  |  简体中文  |  Items with full text/Total items : 56066/90152 (62%)
Visitors : 11542731      Online Users : 105
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/23705


    Title: 厚尾GARCH模型之波動性預測能力比較
    Other Titles: Comparison of the Volatility-Predicting Ability between Heavy-Tailed GARCH Models
    Authors: 李命志;洪瑞成;劉洪鈞
    Contributors: 淡江大學財務金融學系
    Keywords: 厚尾;波動性預測;GARCH;Price bundling;Associative characteristics;Interactive characteristics;Product bundling
    Date: 2007-05
    Issue Date: 2013-04-11 14:04:59 (UTC+8)
    Publisher: 臺北縣:輔仁大學管理學院
    Abstract: 本文分別以Gaussian GARCH模型、GARCH-GED模型、GARCH-HT模型,探討資產報酬率普遍存在高峰、厚尾現象時,何種分配的模型對於波動率具有較佳的相對預測能力。 實證結果顯示,在五種實證資料當中,GARCH-GED模型與GARCH-HT模型在不同條件平均數方程式假設下,相對預測能力都比Gaussian GARCH模型佳。GARCH-HT模型的相對預測能力則優於GARCH-GED模型。當以平均絕對誤差(MAE)作為評估準則,模型的優劣順序並沒有因為使用不同的衡量準則而發生改變。刪除極端值後,發現所有預測模型在不同條件平均數方程式設定下之MSE與MAE均明顯下降許多(除布朗特原油外),而重複進行DM檢定的結果亦指出模型的相對預測能力與刪除極端值之前的結論一致。特別的是,極端值確實會影響模型對波動性預測的績效。 本文採用移動視窗的方式進一步探討由Politis (2004)提出的厚尾分配與常見的GED分配再結合GARCH模型進行樣本外預測波動性的優劣。當改以同樣具備高峰、厚尾特性的GED分配與HT分配作比較時,更得以凸顯HT分配的優勢。再者,以DM檢定來呈現三種不同誤差項分配假設下GARCH(1,1)模型之間的相對預測能力亦較為恰當。
    Relation: 輔仁管理評論=Fu Jen Management Review 14(2),頁47-71
    DOI: 10.29698%2fFJMR.200705.0003
    Appears in Collections:[Graduate Institute & Department of Banking and Finance] Journal Article

    Files in This Item:

    File Description SizeFormat
    index.html0KbHTML128View/Open
    index.html0KbHTML14View/Open
    厚尾GARCH模型之波動性預測能力比較.pdf1153KbAdobe PDF0View/Open

    All items in 機構典藏 are protected by copyright, with all rights reserved.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - Feedback