English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 54059/88902 (61%)
造访人次 : 10552005      在线人数 : 17
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/76224


    题名: GARCH 模型下之風險值效率模擬與近似計算
    其它题名: Efficient Simulation and Approximation of Value at Risk under Garch Model
    作者: 王仁和
    贡献者: 淡江大學財務金融學系
    关键词: 重點抽樣法;蒙地卡羅模擬法;風險值;回溯測試;Importance sampling;Monte Carlo simulation;Value-at-Risk;Back-testing
    日期: 2011-08
    上传时间: 2012-05-03 20:45:29 (UTC+8)
    摘要: 本研究考慮在GARCH 模型下,採用靈活且彈性高的蒙地卡羅模擬法計算風險值, 並探討利用重點抽樣法降低蒙地卡羅模擬法的計算成本高的問題。採用最新的中偏差 法計算出最佳效率的重點抽樣法,提高蒙地卡羅模擬法的計算效率。 實證方面,從Datastream 及台灣經濟新報資料庫蒐集一些國內外股票或指數的資 料,用ARCH-LM 檢定 (Lagrange Multiplier Test) 及 Ljung-Box Q2 統計量檢定資 料是否有異質變異,檢定後再進行GARCH 模型的參數估計。最後用蒙地卡羅模擬法程 式來估算風險值並進行回溯測試。
    In this research plan, we consider using flexible and elastic Monte Carlo simulation to evaluate the Value-at-Risk under the GARCH model, then use importance sampling to reduce the high computational cost problem of Monte Carlo simulation method. Apply the latest moderate deviation method to calculate the optima efficiency of the importance sampling method, and improve the computational efficiency of Monte Carlo simulation. Empirically, we can collect some prices on domestic and foreign stocks or indexes from Datastream and TEJ databases. Use the ARCH-LM test (Lagrange Multiplier Test) and the Ljung-Box Q2 statistics to test whether the data are heteroskedastic. Then, estimate the unknown parameters of the GARCH model. Finally, run the Monte Carlo simulation program to evaluate the Value-at-Risk and do back-testing to check the efficiency of model.
    显示于类别:[財務金融學系暨研究所] 研究報告

    文件中的档案:

    没有与此文件相关的档案.

    在機構典藏中所有的数据项都受到原著作权保护.

    TAIR相关文章

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