第三章 研究方法
3.3 ARIMA 模型
自 我 迴 歸 整 合 移 動 平 均 模 型 (Autoregressive Integrated Moving Average Model;ARIMA 模型)是一種常用的隨機時間序列 模型,由 Box & Jenkins【13】在 1970 所提出,因此又稱為 B-J 模型。ARIMA 分析主要是以遞迴的方式對時間序列資料建構模 式,經過一次或一次以上的差分,將時間序列轉換成定態的時間 序列。所謂定態的時間序列是指時間序列資料的統計特性不會隨 著時間而改變。
ARIMA(p,d,q)模型可表示為一序列有 p 階的自我迴歸、q 階 的移動平均過程和差分 d 次而成為定態序列,其數學模式如下:
Φp(B)(1-B)dYt = C+Θq(B)εt (3-1)
其中,Φp(B) = 1-φ1B-φ1B2-….. φpBp
Θq(B) = 1-θ1B-θ1B2-….. θqBq
Yt 是 指 一 隨 機 過 程 所 產 生 的 等 時 距 序 列 , 且 具 有 定 態 性 (stationarity)與可逆轉性(invertibility)。B 為後移運算子(back shift operator),例如 BYt = Yt-1。p,d,q 為非負整數,φ 為自我迴歸參數,
θ 為移動平均參數,C 為常數項,εt為白噪音(white noise)。
ARIMA 主要的遞迴過程分為以下四個步驟:
1、 模型鑑定
模 型 鑑 定 階 段 的 主 要 工 作 即 是 判 定 ARIMA(p,d,q)的最合適 階數,一般而言,在進行統計分析前需先判定資料是否為平穩型 資料,倘若序列非平穩型,則需透過差分將資料轉換為定態時間 序列,並利用自我相關函數(autocorrelation function,ACF)與偏自 我相關函數(partial autocorrelation function,PACF)判定 p,q 的階 數。模型判斷準則如下:
表 3.4 ARIMA 模型判斷準則
模型區分 ACF PACF
MA(q) q 期後”截斷”
呈”指數遞減”或
正負相間遞減的形式
AR(p)
呈”指數遞減”或
正負相間遞減的形式
p 期後”截斷”
ARMA(p,q) 逐漸衰退 逐漸衰退
其中,“截斷”的意思為 ACF 與 PACF 僅只有少數幾階顯著,
通常是以兩倍的標準差做為判斷的依據。
2、 參數估計
在(3-1)式中,欲估計之參數為 Φ 與 Θ,若原始資料為非定態 則要先轉換為定態數列再以最小平方法估計之,使得誤差平方和 為最小。但因為 ARMA 係數為非線性狀態,真正的參數值不易估 計,若樣本數夠大時,可利用最大概似函數法,亦可得有效的函 數估計值。採遞迴方式進行非線性的係數估計時,需指定係數的 起始值,再觀察所得的係數值是否收斂,一般而言,因為 ACF 已知,所以自我迴歸的起始值可以用 Yule-Walker 聯立方程式求 出的 p 個 φ 係數做為自我迴歸係數的第一組值,而移動平均的係 數同樣可利用 ACF 的特性:
1 1
2 2 2
1 2
...
1 ...
k k q k q
q
θ θ θ θ θ
θ θ θ
+ −
− + + +
+ + + + k = 1…q
Pk = 0 k>q…
加上已知的 ACF,以 q 個聯立方程式,解出 q 個移動平均係 數 θ 作為起始值,再以遞迴方式計算其係數。
3、 模型診斷
當模型參數經過估計後,需診斷檢定模型是否適合,則可利 用原始資料與依模型所得到的預測值兩者之差距,即為殘差值,
根據 AIC 準則檢驗殘差序列做為選取模型的標準:
( )
M n( )
MAIC = lnσˆε2 +2 (3-2)
M:為模型中參數的個數。
n為有效觀測值個數。
ˆε2
σ :為σˆ2之最大概似估計量。
AIC 的值是愈小愈好。
4、 預測
經 由 模 型 診 斷 後 所 選 擇 的 最 適 模 型 可 以 做 為 最 後 的 預 測 分 析,假設 YT為時間序列最後一個觀察值,ZT+1即表示在 T 點預測 ι 個時期後的觀測值,Z)T+1
為ZT+1之最佳預測值。所謂最佳之定義 為該預測值使得均方誤差ET
[
ZT+1−Z)T+1]
2為最小。欲求得 T+ι 期最佳 預測值得先求得 T+1 期之預測值,再依此計算 T+2 期之預測值,
以此類推直到 T+ι 期。
3.4 避險模型的建立
目前我國飼料原料仰賴進口為多,再加上國際原物料波動甚 鉅,因此飼料廠商在面對採購成本時勢必將會面臨到價格風險與 匯率風險。因此在估算避險策略時,我們必須考慮到匯率風險與
來規避因原物料波動所引起的價格風險。在匯率風險方面,因為 我國目前只開放新台幣對美元的遠期契約,因此我們假設以新台 幣兌美元的遠期契約來規避匯率風險。並採用最小風險法,假設 在期初手中目前並無存貨部位,故其為預期避險,利用多頭避險 配合匯率風險的考量導出最小風險模型,並估算出最適避險比率。
令 XS、Xf為現貨部位與期貨部位的數量,St、Ft為第t期的 現貨價格與期貨價格,et為第 t 期新台幣兌美元的即期匯率,t=1 為期初,t=2 為期末。XS、S1、F1為已知,令σs2 =Var S
( )
2 ,σF2 =Var F( )
2 ,(
2, 2)
SF Cov S F
σ = 。
假設在兩期的考量中,飼料進口商皆不採取任何避險措施,
則期末財富我們以美元表示如下:
U = −X S2 2 (3-3)
( )
S( )
2E U = −X E S (3-4)
( )
s2( )
2 s2 s2Var U =X Var S =X σ (3-5)
假設原料進口商只以穀物市場期貨契約來避險,而不考慮匯 率風險下,則其期末財富如下:
( )
2 2 1
s f
W = −X S +X F −F (3-6)
( )
s( )
2 f( )
2 f 1E W = −X E S +X E F −X F (3-7)
( )
S2( )
2 2f( )
2 2 s f(
2, 2)
Var W =X Var S +X Var F − X X Cov S F (3-8)
=Xs2σS2+X2fσF2 −2X Xs fσSF
將(3-8)對 Xf做一階微分且令之為 0,則可得最適避險為:
2
f SF
OUS
s F
HR X
X σ
= = σ (3-9)
若同時考慮價格與匯率風險,但只使用穀物市場期貨契約來 避險,期末財富以新台幣計價,則:
( )
2 2 2 1 2
s f
W = −X S e +X F −F e (3-10)
( )
s(
2 2)
f(
2 2)
f 1( )
2E W = −X E S e +X E F e −X F E e (3-11)
( )
S2(
2 2)
2f(
2 2)
2f 12( )
2 2 s f(
2 2, 2 2)
Var W =X Var S e +X Var F e +X F Var e − X X Cov S e F e
( )
2( )
1 2 2 2 1 2 2 2
2X X F Cov S e es f , 2X F Cov F e ef ,
+ − (3-12)
為簡化起見,定義:
(
2 2)
SeE S e =μ , E F e
(
2 2)
=uFe , E e( )
2 =ue , Var S e(
2 2)
=σSe2 ,(
2 2)
Fe2Var F e =σ , Var e
( )
2 =σe2 , Cov S e F e(
2 2, 2 2)
=σSe Fe, ,(
2 2, 2)
Se e,Cov S e e =σ ,Cov F e e
(
2 2, 2)
=σFe e, 。則(3-11)、(3-12)重新表示如下:
( )
S2 Se2 2f Fe2 2f 12 e2 2 s f Se Fe,Var W =X σ +X σ +X F σ − X X σ
2
1 , 1 ,
2X X Fs f σSe e 2X Ff σFe e
+ − (3-14)
將(3-14)代入目標函數 Min Var(W)中,並對 Xf做一階微分 且令之為 0,則得到之最適避險為:
, 1 ,
2 2 2
1 2 1 ,
f Se Fe Se e
ONT
s Fe e Fe e
X F
HR X F F
σ σ
σ σ σ
= = −
+ − (3-15)
若同時考慮價格與匯率風險,並使用穀物市場期貨契約來規 避價格風險及新台幣兌美元之遠期契約規避匯率風險,則期末財 富以新台幣計價為:
( ) ( )
2 2 2 1 2 1
s f e
W = −X S e +X F −F + e −w X (3-16)
( )
s Se f Fe f 1 e c e c 1E W = −X u +X u −X F u +X u −X w (3-17)
( )
S2 Se2 2f Fe2 2f 12 e2 c2 e2 2 s f Se Fe, 2 s f 1 Se e,Var W =X σ +X σ +X F σ +X σ − X X σ + X X Fσ
2 2
, 1 , , 1
2X Xs cσSe e 2X Ff σFe e 2X Xs cσFe e 2X X Ff c σe
− − + − (3-18)
將(3-18)代入目標函數 Min Var(W)中,並對 Xf做一階微分 且令之為 0,則得到之最適避險為:
( )
( )
2
1 ,
, 1 ,
2 2 2 2 2 2
1 2 1 , 1 2 1 ,
c e Fe e
f Se Fe Se e
OB
s Fe e Fe e Fe e Fe e s
X F
X F
HR X F F F F X
σ σ
σ σ
σ σ σ σ σ σ
− −
= = +
+ − + − (3-19)
1 c f
e
s s
X X
HR F
X X
= = (3-20)
(3-15)、(3-19)式為同時面臨價格風險與匯率風險時,只 使用穀物市場期貨契約來避險,與同時使用穀物市場期貨契約及 新台幣兌美元之遠期契約來規避價格風險與規避匯率風險的最適 避險比率。但在實際情形中,穀物市場的價格與匯率的相關程度 甚低,所以我們可假設σSe e, =σFe e, =0,因此(3-15)、(3-19)式可 簡化為:
,
2 2 2
1
f Se Fe
ONT
s Fe e
HR X
X F
σ
σ σ
= =
+ (3-21)
( )
, 1 2
2 2 2 2 2 2
1 1
f Se Fe c e
OB
s Fe e Fe e s
X X F
HR X F F X
σ σ
σ σ σ σ
= = +
+ + (3-22)
若進一步將(3-20)式代入(3-18)和(3-19)式中,則:
( )
s Se f Fe f 1 1E W = −X u +X u −X F w (3-23)
( )
s2 Se2 2f Fe2 2 s f Se Fe,Var W =X σ +X σ − X X σ (3-24)
, 2
f Se Fe
OB
s Fe
HR X X
σ
= = σ (3-25)
綜合以上四種模式我們可將其彙整如下表:
不避險 (以美元表示)
( )
s( )
2E U = −X E S
( )
s2 s2Var U = X σ
只考慮 價格風險,
並用期貨避險 (以美元表示)
( )
s( )
2 f( )
2 f 1E W = −X E S +X E F −X F
( )
s2 S2 2f F2 2 s f SFVar W = X σ +X σ − X X σ
2
f SF
OUS
s F
HR X
X σ
= = σ
同時考慮價格與 匯率風險,
但只用 期貨避險 (以新台幣表示)
( )
s Se f Fe f 1 eE W = −X u +X u −X F u
( )
s2 Se2 2f Fe2 2f 12 e2 2 s f Se Fe,Var W = X σ +X σ +X F σ − X X σ
,
2 2 2
1
f Se Fe
ONT
s Fe e
HR X
X F
σ
σ σ
= = +
同時考慮價格與 匯率風險,且同 時使用期貨與遠 期契約避險(以 新台幣表示,其
中Xc =X Ff 1)
( )
s Se f Fe f 1 e c e c 1E W = −X u +X u −X F u +X u −X w
( )
s2 Se2 2f Fe2 2f 12 e2 c2 e2 2 s f Se Fe, 2 f c 1 e2Var W = X σ +X σ +X F σ +X σ − X X σ − X X F σ
, 2
f Se Fe
OB
s Fe
HR X X
σ
= = σ
1 c f
e
s s
X X
HR F
X X
= =