不对称幂级数GARCH模型之多样化应用.pdfVIP

第六十三期 29-52. （民國九十七年十二月）： 不對稱冪級數GARCH 模型之多樣化應用 * ** *** 鄒易凭 胡緒寧 鄭婉秀 95 11 22 96 4 16 96 8 8 （收稿日期： 年 月 日；第一次修正： 年 月 日；第二次修正： 年 月 日； 96 10 30 接受刊登日期： 年 月 日） 摘 要 本文以不對稱GARCH 與不對稱冪級數GARCH 兩模型，分析比較新台幣兌 換美元匯率、黃金現貨、西德州中級原油現貨與道瓊工業股價指數等四種不同 資產報酬率資料之樣本外預測能力。實證結果發現APGARCH 確與AGARCH 模 型有顯著差異，且APGARCH 模型對於樣本外之預測能力上也較為準確，證明 冪級數條件是影響報酬率波動敏感性不可忽視的重要因素。而在市場不穩定或 面臨國際重大事件時，AGARCH 模型均會產生估計誤差，包含 1991 年海灣戰 1997 1999 9 AGARCH 爭、 年底亞洲金融風暴及 年 月金價不穩定時， 模型分別 對石油、匯率及黃金現貨報酬有高估現象，而1987 年美國股市崩盤、1997 年亞 洲金融風暴、2001 年911 事件等事件，AGARCH 在估計道瓊股價指數報酬波動 時則明顯低估。 關鍵字：冪級數GARCH 模型、波動 * 淡江大學財務金融學系博士班。 ** 淡江大學財務金融學系博士班。 *** 淡江大學財金系助理教授。 第六十三期 壹、緒論 資產的價格調整行為與波動性之相關議題，一直吸引研究學者的注意。 對投資人而言，除了關心所持有資產的期望報酬外，對於市場中資訊傳遞 的速度或持有資產期間的風險評估亦為投資人交易決策的重要考慮因素。 因此透過對市場效率與波動做出合理的估計及預測，進而建立有效的模型， 將有助於資產的定價、投資組合管理與動態避險策略等的訂定。 Mandelbrot (1963) 及Fama (1965) 支持資產價格具高峰與異質性特色；過去 對於金融資產的價格調整行為，通常假設其報酬波動是對稱且條件變異數 為齊質以便於處理，結果往往是模型對真實情況的解釋與預測能力不佳。 Engle (1982) 發展出自我迴歸異質條件變異數 (autoregressive conditional heteros- kedasticity ARCH) ， 模型，認為傳統的計量模型假設齊質變異數是不符實際 ( 的假設，因此提出時間序列資料之條件變異數受前期預測誤差項平方 即非 ) 預期之波動性 的影響，在隨機過程中允許條件變異數具有隨時間的改變而 變動的特性。Bollerslev (1986) 進一步修正ARCH 模型的條件變異數方程式， 使條件變異數不僅受前期之預測誤差項平方的影響，也受前期條件變異數 的影響，使參數的設定更加精簡，此即一般化自我迴歸異質條件變異數 (generalized autoregressive conditional heteroskedasticity GARCH) ， 模型。一般認為 GARCH 模型能夠捕捉到股價波動的叢聚現象，反映出股價報酬的變異數是 隨時間而改變。 自Engle (1982) 的ARCH 模型與Bo