國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
35
第五章 結論與建議
第一節 結論
金融資產報酬率的機率分配隨時間改變，若能依新資料的加入，對其機率 分配作動態的估計，掌握其波動度大小，便能在許多財務管理績效獲得改善。
本研究利用 HAR-RC 的模型估計發行量加權股價指數報酬率與股價指數期貨 報酬率之共變異關係，得到下列的觀察及結論：
（一）以 HAR-RC 模型檢測，兩市場之共變異程度未存在緩長記憶現象。
（二）無論利用短期效果避險或 HAR-RC 模型估計之避險比率避險，皆無法有 效降低以此兩資產建構之投資組合報酬之波動度。
（三）就波動度特性而言，加權股價指數期貨報酬率波動之高峰厚尾、不對稱 等特性，較發行量加權股價指數報酬率波動為明顯。然而僅發行量加權 股價指數報酬率波動具長期記憶，加權股價指數期貨報酬率波動僅存在 短期記憶。
（四）納入短、中、長期之變異程度所估計之避險比率較僅使用短期效果估計 之避險比率為穩定。在考量交易成本的情況下，波動度的緩長記憶模型 為較佳之選擇。
（五）發行量加權股價指數報酬率在 2009 年初及 2011 年底呈現較大的波動；
加權股價指數期貨報酬率在 2009 年初有較大的波動，而後趨於穩定。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 建議與未來研究方向
本研究所得之結論可能受到 HAR-RC 模型本身限制影響，在已實現共變異 數的估計上，所產生的估計誤差會比計算已實現變異數要大，因此往後研究可 擴大樣本數選取，以減少估計誤差。抑或在樣本採取期間，臺灣的發行量加權 股價指數本身的波動程度太小，也是造成模型失效的可能原因之一。且在模型 的研究架構下，將會受到資料可能未來出現結構性改變的限制。
由於現貨與期貨市場的不完全相關(imperfect correlation)，除了在期貨到期 日以外，利用指數期貨避險將面臨基差風險(basis risk)。隨著到期日接近，基 差風險將逐漸縮小。然而在距離到期日一段期間時，基差風險仍是降低避險績 效的可能原因之一。未來的研究可進一步分析此類避險失效問題是否源自於基 差風險。
Figlewaki (1984)所提出的研究指出，對個股或小型投資組合進行短期避險 的結果較為不佳。且一日間的避險將較一周面臨更大的基差風險。加以考量從 事避險所產生的交易成本，未來研究可改採以一周之頻率調整避險比率，視其 避險績效是否獲得改善。
‧
Alderson, Michael J., and Zivney, Terry L., 1989, Optimal cross-hedge portfolios for hedging stock index options, Journal of Futures Markets 9, 67-75.
Andersen, Torben G., Bollerslev, Tim, Diebold, Francis X., and Ebens, Heiko, 2001, The distribution of stock returns volatilities, Journal of Financial Economics 61, 43-76.
Andersen, Torben G., Bollerslev, Tim, Diebold, Francis X., and Labys, Paul, 2003, Modeling and forecasting realized volatility, Econometrica 71, 579-625.
Areal, Nelson M., and Taylor, Stephen J., 2002, The realized volatility of FTSE-100 futures prices, The Journal of Futures Markets 22, 627-648.
Bauer, Gregory H., and Vorkink, Keith, 2007, Multivariate realized stock market volatility, Working Paper, Bank of Canada.
Bollerslev, Tim, 1986, Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics 31, 307-327.
Corsi, Fulvio, 2005, Measuring and modeling realized volatility: from tick-by-tick to long memory, Working paper, University of Lugano.
Corsi, Fulvio, 2009, A simple approximate long-memory model of realized volatility, Journal of Financial Econometrics 7, 174-196.
Corsi, Fulvio, Mittnik, Stefan, Pigorsch, Christian, and Pigorsch, Uta, 2008, The volatility of realized volatility, Econometric Reviews 27, 46-78.
Corsi, Fulvio, Peluso, Stefano, and Audrino, Francesco, 2012, Missing in
asynchronicity: a Kalman-EM approach for multivariate realized covariance estimation, Discussion paper, University of St. Gallen.
Engle, Robert F., 1982, Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation, Econometrica 50, 987-1007.
‧
Engle, Robert F., and Mustafa, Chowdhury, 1992, Implied ARCH models from options prices, Journal of Econometrics 52, 289-311.
Engle, Robert F., 1999, Dynamic conditional correlation―a simple class of multivariate GARCH models, Working paper.
Fama, Eugene F., 1965, The behavior of stock-market prices, The Journal of Business 38, 34-105.
Figlewski, Stephen, 1984, Hedging performance and basis risk in stock index futures, The Journal of Finance 39, 657-669.
Heston, Steven L., 1993, A closed-form solution for options with stochastic volatility with applications to bond and currency options, The Review of Financial Studies 6, 327-343.
Lamberton, Damien, and Lapeyre, Bernard, 1992, Hedging index options with few assets, Mathematical Finance 3, 25-41.
Lamoureux, Christopher G., and Lastrapes, William D., 1990, Persistence in variance, structural change, and the GARCH model, Journal of Business &
Economic Statistics 8, 225-234.
Lien, Donald, 1996, The effect of the cointegration relationship on futures hedging:
a note, The Journal of Futures Markets 16, 773-780.
Lien, Donald, 2005, A note on the superiority of the OLS hedge ratio, The Journal of Futures Markets 25, 1121-1126.
Maheu, John M., McCurdy, Thomas H., 2002, Nonlinear features of realized FX volatility, Review of Economics and Statistic 84, 668-681.
Mandelbrot, Benoit, 1963, The variation of certain speculative prices, The Journal of Business 36, 394-419.
Martens, Martin, van Dijk, Dick, and de Pooter, Michiel, 2004, Modeling and forcasting S&P 500 volatility: long memory, structural breaks and nonlinearity, Working paper, Tinbergen Institute.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
39
Martens, Martin, and van Dijk, Dick, 2006, Measuring volatility with the realized range, Econometric Institute Report.
Myers, Robert J., and Thompson, Stanley R., 1989, Generalized optimal hedge ratio estimation, American Journal of Agricultural Economics 71, 858-868.
Natenberg, Sheldon, 1994, Option volatility and pricing, Chicago: Probus Publishing Company.
Parkinson, Michael, 1980, The extreme value method for estimating the variance of the rate of return, Journal of Business 53, 61-65.
Stein, Elias M., and Stein, Jeremy C., 1991, Stock price distributions with stochastic volatility: and analytic approach, The Review of Financial Studies 4, 727-752.
蔡垂君，2002，緩長記憶模型應用於新加坡摩根台灣股價指數期貨之研究，中 華管理學報，第三卷第二期：75-88。
蘇義凱，2007，台股指數現貨與期貨市場波動性之長短期效果及關聯性，碩士 學位論文，中原大學。
王毓敏與謝志正，2009，預測股價指數波動率―新 VIX 與長期記憶模型之比較，
中山管理評論，第 17 卷第一期：11-45
唐勇與池云果，2010，基於已實現波動率的長記憶性分析，福州大學學報，第 5 期：27-48。
臺灣證券交易所網站。www.twse.com.tw 台灣期貨交易所網站。www.taifex.com.tw