完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.author | 許和鈞 | en_US |
dc.contributor.author | Sheu Her-Jiun | en_US |
dc.date.accessioned | 2014-12-13T10:47:33Z | - |
dc.date.available | 2014-12-13T10:47:33Z | - |
dc.date.issued | 2009 | en_US |
dc.identifier.govdoc | NSC96-2416-H009-020-MY3 | zh_TW |
dc.identifier.uri | http://hdl.handle.net/11536/101070 | - |
dc.identifier.uri | https://www.grb.gov.tw/search/planDetail?id=1752242&docId=298706 | en_US |
dc.description.abstract | Markowitz(1952)平均數-變異數分析架構中,最重要的參數即為變異數共變異數矩陣。 Black and Litterman(1992)應用月資料在資本資產定價模型之均衡假設下,納入國際證券、債 券與外匯市場進行投資組合最適化分析,Andersen and Bollerslev (1997)研究指出,日內高頻 資料較日資料、週資料與月資料擁有更豐富的資訊內涵,因此本計畫主要採用高頻資料,進 行波動度的估計,建立投資組合變異數-共變異數矩陣之較佳估計式。在國際投資組合之分析 議題上,Sarno and Valente(2005)、An and Labidi (2006)及Guidolin and Hyde(2006)均指出考 量跨國市場關聯性之重要性,因此本研究將採用線性向量自我迴歸模型(VAR)與非線性的馬 可夫轉換自我迴歸模型(MS-VAR)分析資產報酬與波動度之外溢效果,最後進行國際投資組合 之分析。本計畫預計分為三期來進行,計畫第一年,應用高頻資料建立各市場波動度指數、 剖析波動度之特性並分析與標的指數報酬率之間的統計因果性,計畫第二年:分析標的資產 報酬率與波動度指數在跨市場與跨資產之間的外溢效果與資訊傳遞,計畫第三年:以計畫第 一年建立的各資產波動度指數模型,估計投資組合之變異數-共變異數矩陣,並納入計畫第二 年分析之外溢效果進行國際投資組合之分析。 | zh_TW |
dc.description.sponsorship | 行政院國家科學委員會 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.subject | 波動度指數 | zh_TW |
dc.subject | 因果檢測 | zh_TW |
dc.subject | 外溢效果 | zh_TW |
dc.subject | 馬可夫轉換向量自我迴歸 | zh_TW |
dc.subject | 國際投資組合 | zh_TW |
dc.subject | Volatility Index | en_US |
dc.subject | Causality | en_US |
dc.subject | Spillover Effect | en_US |
dc.subject | Markov Switching Vector Autoregression | en_US |
dc.subject | International Portfolio | en_US |
dc.title | 考量波動度特性、外溢效果與資訊傳遞之國際投資組合分析 | zh_TW |
dc.title | International Portfolio Analyses with the Consideration of Volatility, Spillover Effect and Information Flow | en_US |
dc.type | Plan | en_US |
dc.contributor.department | 國立交通大學管理科學系(所) | zh_TW |
顯示於類別: | 研究計畫 |