本文以台灣五十指數ETF的基金為主要研究對象估計其風險值,並應用GARCH模型的模型, EGARCH模型模型模型, GJR - GARCH模型的模型, FIGARCH的的的及HYGARCH模型來衡量台灣五十指數 ETF的基金之報酬波動。再導入麥卡萊爾,希門尼斯,馬林和佩雷斯,阿馬拉爾(2009年)所提出之動態學習策略(充滿活力的學習策略; DYLES )來進行風險值模型的修正。並進行回溯測試(返回測試) ,比較各模型間估計績效及資本計提程度。 實證結果顯示,在各信賴水準下GJR - GARCH的模型的模型在回溯測試的表現上為最佳,在殘差分配的部分,模型殘差服從偏斜噸分配之風險值估計績效相較於服從常態以及噸分配為佳,因此偏斜噸分配為最合適之分配。最後實證結果指出,加入動態學習策略後能在例外數的限制下降低資本計提程度,減少資金成本,使資金使用更具彈性。
本研究試圖估計價值在風險(風險值)通過利用五個條件波動模型,包括GARCH模型的模型, EGARCH模型模型模型, GJR - GARCH模型的模型, FIGARCH的的的和HYGARCH模型。利用價值的風險(無功)來衡量市場風險的投資組合,台灣50 ETF的基金已經被視為一個投資組合。為防止資本要求過高或過低,本研究介紹了充滿活力的學習策略( DYLES )進入市場的風險披露警察,這是由麥卡萊爾,希門尼斯,馬林和佩雷斯-拉爾(2009年) 。 實證結果證實,在所有的信任程度,並根據土地註冊處Kupiec檢驗和失敗率, GJR - GARCH模型的模型與扭曲學生噸分佈的性能優於其它型號。研究結果還表明,資本要求可適當運用設置了動態的學習策略( DYLES )來管理市場風險下投資於台灣50 ETF的基金作為一個投資組合,而違反限制的數目內的巴塞爾第二罰款限額。