國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

從損失分佈的觀點決定投資策略及風險值評估 = Determining T...

國立高雄大學統計學研究所

從損失分佈的觀點決定投資策略及風險值評估 = Determining Trading Strategies and Evaluating Value at Risk from Loss Distribution

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	Determining Trading Strategies and Evaluating Value at Risk from Loss Distribution
作者:	簡暐庭,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	2014[民103]
面頁冊數:	80葉圖,表 : 30公分;
標題:	風險值
標題:	VaR
電子資源:	https://hdl.handle.net/11296/2ur2ee
附註:	108年10月31日公開
附註:	參考書目：葉40-42
摘要註:	在文獻中，為了描述金融市場上的波動，發展出許多衡量風險的指標，例如：風險值(VaR)、條件風險值(CVaR)、夏普比率(SR)等。然而，實際的財金資料常具有偏斜及厚尾的特性，因此文獻上常針對此一特性，對各項風險衡量指標進行修正。最常見的方法即是以泰勒展開對效用函數做高階展開，例如偏態修正夏普比率(ASSR)，即是以泰勒展式得到修正後的風險衡量指標。本文，我們嘗試從損失分佈的觀點，發展出一套計算風險衡量值的新方法，主要是利用混合常態分佈去逼近真實資料，以捕捉資料偏斜以及厚尾之特性，並據此，發展出新的風險衡量估計式。另外，我們亦對文獻上包含高階動差項的正交估計函數進行討論，討論在此一情形下，修正的風險衡量指標為何？適用的情境為何？等等相關議題。最後，我們透過對這些修正風險衡量指標的了解與掌握，提出選取資產的方法，並比較其投資結果表現。同時，我們以實證研究驗證上述議題，發現在正交法修正風險值的部分，三階動差介於0到0.2之間時，會有高估風險值的問題，而在混合常態近似法修正的風險值的部分則較穩定且合理。至於我們所建議的資產選取方法下所得的投資組合，在某些情況下會有不錯的表現。 In literature, there are some risk measures, for example, value at risk (VaR), conditional value at risk (CVaR), Sharpe ratio, Adjusted for Skewness Sharpe Ratio, and so on. We discussed these measures detailed in this paper. We develop some new methods to calculate the risk measures to accommodate the more and more fluctuations in financial markets. This method uses mixture normal to approximate the real data and calculate the risk measures. Furthermore we also choose trading strategies from these new modified risk measures. Finally, we will show some empirical studies to compare our methods with those in literature. In addition, some relative discussions on these new modified risk measures and strategies are involved.

從損失分佈的觀點決定投資策略及風險值評估 = Determining Trading Strategies and Evaluating Value at Risk from Loss Distribution
簡, 暐庭

從損失分佈的觀點決定投資策略及風險值評估 = Determining Trading Strategies and Evaluating Value at Risk from Loss Distribution / 簡暐庭撰 - [高雄市] : 撰者, 2014[民103]. - 80葉 ; 圖,表 ; 30公分.
108年10月31日公開參考書目：葉40-42.
風險值VaR

從損失分佈的觀點決定投資策略及風險值評估 = Determining Trading Strategies and Evaluating Value at Risk from Loss Distribution
LDR:03433nam0a2200277 450 001 430093
005 20191119095200.0
010 0 $b 精裝
010 0 $b 平裝
100 $a 20141027y2014 k y0chiy50 e
101 0 $a chi $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 從損失分佈的觀點決定投資策略及風險值評估 $d Determining Trading Strategies and Evaluating Value at Risk from Loss Distribution $z eng $f 簡暐庭撰
210 $a [高雄市] $c 撰者 $d 2014[民103]
215 0 $a 80葉 $c 圖,表 $d 30公分
300 $a 108年10月31日公開
300 $a 參考書目：葉40-42
314 $a 指導教授：俞淑惠教授
328 $a 碩士論文--國立高雄大學統計學研究所
330 $a 在文獻中，為了描述金融市場上的波動，發展出許多衡量風險的指標，例如：風險值(VaR)、條件風險值(CVaR)、夏普比率(SR)等。然而，實際的財金資料常具有偏斜及厚尾的特性，因此文獻上常針對此一特性，對各項風險衡量指標進行修正。最常見的方法即是以泰勒展開對效用函數做高階展開，例如偏態修正夏普比率(ASSR)，即是以泰勒展式得到修正後的風險衡量指標。本文，我們嘗試從損失分佈的觀點，發展出一套計算風險衡量值的新方法，主要是利用混合常態分佈去逼近真實資料，以捕捉資料偏斜以及厚尾之特性，並據此，發展出新的風險衡量估計式。另外，我們亦對文獻上包含高階動差項的正交估計函數進行討論，討論在此一情形下，修正的風險衡量指標為何？適用的情境為何？等等相關議題。最後，我們透過對這些修正風險衡量指標的了解與掌握，提出選取資產的方法，並比較其投資結果表現。同時，我們以實證研究驗證上述議題，發現在正交法修正風險值的部分，三階動差介於0到0.2之間時，會有高估風險值的問題，而在混合常態近似法修正的風險值的部分則較穩定且合理。至於我們所建議的資產選取方法下所得的投資組合，在某些情況下會有不錯的表現。 In literature, there are some risk measures, for example, value at risk (VaR), conditional value at risk (CVaR), Sharpe ratio, Adjusted for Skewness Sharpe Ratio, and so on. We discussed these measures detailed in this paper. We develop some new methods to calculate the risk measures to accommodate the more and more fluctuations in financial markets. This method uses mixture normal to approximate the real data and calculate the risk measures. Furthermore we also choose trading strategies from these new modified risk measures. Finally, we will show some empirical studies to compare our methods with those in literature. In addition, some relative discussions on these new modified risk measures and strategies are involved.
510 1 $a Determining Trading Strategies and Evaluating Value at Risk from Loss Distribution $e ng
610 # 0 $a 風險值 $a 條件風險值 $a 正交參數化 $a 混合常態分佈 $a 動差 $a 三階動差 $a 四階動差 $a 投資策略 $a 損失分佈
610 # 1 $a VaR $a CVaR $a orthogonal parameterization $a mixture normal distribution $a moment $a skewness $a kurtosis $a trading strategies $a loss distribution
681 $a 008M/0019 $b 343201 8860 $v 2007年版
700 1 $a 簡 $b 暐庭 $4 撰 $3 673322
712 0 2 $a 國立高雄大學 $b 統計學研究所 $3 166081
801 0 $a tw $b 國立高雄大學 $c 20141021 $g CCR
856 7 # $u https://hdl.handle.net/11296/2ur2ee $2 http $z 電子資源