查詢結果分析
來源資料
相關文獻
- 應用狀態空間模型與基因類神經網路濾波技術於風險值預測之研究:以臺股指數與臺指期貨為例
- 結合類神經網路與分位數迴歸模型之風險值估計
- 風險值(VaR)應用於公司財務危機預警之研究
- 風險值衡量模式之探討--以臺灣上市公司權益證券為例
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
- 反傳遞模糊類神經網路於流量推估之應用
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
- C++Fuzzy類神經網路物件導向發展系統之建立
頁籤選單縮合
題 名 | 應用狀態空間模型與基因類神經網路濾波技術於風險值預測之研究:以臺股指數與臺指期貨為例=Using SSM and GANN Filter for an Empirical Investigation of Value at Risk: Taking Taiwan Stock Spot and Futures Indexes as an Example |
---|---|
作 者 | 古永嘉; 許世璋; | 書刊名 | 臺大管理論叢 |
卷 期 | 20:2 2010.06[民99.06] |
頁 次 | 頁307-342 |
分類號 | 563.549 |
關鍵詞 | 類神經網路; 狀態空間模型; 風險值; Artificial neural network; State space model; Value at risk; |
語 文 | 中文(Chinese) |
中文摘要 | 以往針對風險值的估計,大致以GARCH 模型估計波動度後,再以蒙地卡羅模擬法估計風險值績效。本研究延伸過去的方式,試圖以Bi-GARCH 模型估計波動度後,分別以狀態空間及基因類神經網路兩種模型,應用於波動度濾化(Filtering) 的處理,之後再與傳統GARCH 模型,藉由回溯測試以及Kupiec 概似比檢定對風險值估計模型的績效進行比較。本研究以台灣發行量加權股價指數與股價指數期貨結算價格為研究標的,取樣期間為2002 年1 月1 日至2004 年12 月31 日之日資料,共計745 筆。研究發現,無論在台股指數現貨或期貨,經由狀態空間與基因類神經網路濾化後之風險值的模式績效,不論短長期或多空階段之評比,皆遠優於傳統估算法。 |
英文摘要 | Previous researchers usually use GARCH models in estimating volatility in evaluating value at risk (VaR) performance. In this study, Bi-GARCH models were adopted in estimating volatility. The estimated volatility is then filtered by using both State Space Models (SSM) and Generic Algorithm-Artificial Neural Network (GANN) models. The VaR performances of these models are compared using back-testings and Kupiec likelihood tests. A total of 745 daily data of Taiwan stock indexes of spot and futures ranging from Jan. 2, 2002 to Dec. 31, 2004 were collected. The results show that the filtered GANN and SSM models are better then traditional estimation methods for the evaluation of VaR for both stock spot and futures indexes. |
本系統中英文摘要資訊取自各篇刊載內容。