不同样本频率之股市波动性估计GARCH、TGARCH与EGARCH之比较.PDFVIP

(294) 臺灣銀行季刊第六十一卷第四期 GARCHTGARCH EGARCH * ** 摘 要 一、前言 四、實證模型估計與預測能力分析 二、實證模型與相關檢定 五、結語 三、資料來源與初步檢定 本研究運用 、 以及 三種模型分析不同觀察頻率（ 分 GARCH T-GARCH E-GARCH 5 鐘、10 分鐘、30 分鐘、60 分鐘及日資料）GARCH 效果變化，以便得出最適預測臺灣 股價加權指數的觀察頻率。實證結果發現，5 分鐘觀察頻率模型預測能力最佳，即最能 捕捉金融資產波動現象，日資料預測能力最差。其次，TGARCH 模型 T 值顯著大於 零，且 EGARCH 模型γ值顯著小於零，顯示市場對於壞消息所帶來的衝擊大於好消息 所帶來的衝擊，因此研究臺灣股市應該以波動不對稱模型為主。 （ ）假定價格是變異數固定之常態分配，並提出以資產報酬率的變 Markowitz 1952 異數作為衡量風險的指標。然而 （ ）果發現金融資產具有波動叢聚現象 Fama 1965 （ ），亦即大的變化常伴隨大的變化，小的變化常伴隨小的變化；金 volatility clustering 融商品間具有高峽峰、厚尾及變異數隨著時間而改變的特性。 （ ）為了解釋 Engle 1982 此現象，提出自我迴歸條件變異數模型（Autoregressive Conditional Heteroskedastic ， ），允許隨機過程中條件變異數具有隨時間的改變而變動的特性。 model ARCH （ ）修正 模型的條件變異數方程式，提出一般化自身迴歸異質條 Bollerslev 1986 ARCH 件變異數模型（Generalized Autoregressive Conditional Heteroskedastic model, GARCH ） 假設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，因 * 宜蘭縣政府辦事員 ** 臺灣大學農業經濟學系教授 不同樣本頻率之股市波動性估計─ 、 與 之比較 GARCH TGARCH EGARCH (295) 此參數的設定更加精簡。 ARCH 與 GARCH 模型對於波動現象是以對稱性（symmetric ）呈現，但根據 （ ）及 （ ）指出，市場對於好消息與壞消息存在波動性不對 French et al. 1987 Nelson 1991 稱現象（asymmetric ），且壞消息比好消息更容易引發下期較大程度波動。在探討波動 不對稱性現象時廣為研究者所使用的模型，如 （ ）所提出指數型