波動的預測與評估

Volatility Predication and Evaluation

鄭力維(Li-Wei Cheng)

指導教授 ： 欉清全

國立暨南國際大學/管理學院/經濟學系/碩士(2008年)

https://doi.org/10.6837/NCNU.2008.00045

摘要

本文藉由十種股價指數，6種時間序列模型。探討樣本內模型的配適與樣本外模型的預測績效。透過二個損失函數 (loss function)與DM檢定區分模型間相對預測能力的優劣順序，以掌握未來波動的走勢。其中，利用GARCH (1,1)模型來描述短期股市波動的現象，其次，利用GJR (1,1)模型來捕捉波動具有不對稱的特性。最佳模型的決定對不同評估方法的選取是敏感的，若以加總日報酬平方做為真實波動之代理變數的方法下，本篇實証結論為GJR (1,1)模型不論在短期與長期相對有較好的預測能力。

關鍵字

最大概似法 ； 預測 ； 資料滾動 ； 代理變數

並列摘要

This study is to explore the in-the-sample predictive ability and to compare the out-of-sample forecasting performance by using ten stock price indexs and six time series models. We use two loss functions and DM statistic to evaluate and compare the volatility predictive ability for future fluctuation. Furthermore, we consider a version of short-term volatility by means of GARCH (1,1) model and introduce the possibility of an asymmetric volatility effect of GJR (1,1) model. The best model decision is sensitive to different evaluations. If we use sum of daily squared returns as realized volatility, our conclusion is that the GJR (1,1) model has relatively better forecast ability no matter in the long-term and short-term.

並列關鍵字

GARCH ； GJR ； Maximum likelihood estimation ； Forecasting ； rolling scheme ； proxy

參考文獻

中文部份

李命志、洪瑞成、劉洪鈞(2007)，「厚尾GARCH 模型之波動性預測能力比較」，輔仁管理評論，第十四卷第二期，p.47-72。

周雨田、巫春洲、劉炳麟(2004)，「動態波動模型預測能力之比較與實證」，財金論文叢刊，第一期，p.1-23。

陳佳宜，「短期利率波動的預測與檢定」，國立暨南國際大學經濟學研究所碩士論文，民國93年7月。

楊奕農，「時間序列分析─經濟與財務上之應用」，雙葉書廊，民國95年9月。