sophieProfession

系統偏度與長期風險

System skewness and long run risk By Robert F. Engle

Rule one : 波動率有群聚效應。有下列意義:

1．   波動率Function of 股價歷史資料

2．   小波動之後是小波動，大波動之後是大波動

3．   股價不可預測，但是程度可以預測

4．   If可預測，則金融市場非效率市場；if 金融市場非效率市場,則股價有行為

5．   下跌波段的波動率 >大於 上漲波段的波動率

文志學長博士論文 : 積極型的TIPP

透過佈局全球ETF，並運用以下概念弭平系統風險。

1．   GARCH Model & ARCH Model :

台面上是預測波動率，實際上是Control Risk。用預測波動的幅度來減少避險的成本

2．   資產配置

3．   AI知識庫

4．   XCS分類元系統

林秀怡 建構演化式類神經網路於財務時間序列信賴區間動態風險值評價模型

預測漲跌幾%，屬點預測，不容易準。用類神經去學習漲跌的區間，其預測的波動率區間比GARCH model 小。因為預測的區間變小，使得風險區間變小，避險的成本也會減少。

1．   區間式類神經網路為基礎，建構動態式風險值評價模型

2．   強化捕捉金融資產價格/報酬波動的叢群現象

3．   區間式類神經網路模型 > GARCH模型

經實證結果與傳統GARCH模型相較發現，以MSE、MAE與MAPE為衡量標準，預測績效最佳為區間式類神經網路模型。除此之外，以準確性、保守性與效率性三者比較，區間式類神經網路模型具有較優的準確性，GARCH模型具有較佳的保守性與效率性，但在沒有兼具準確性的前提下，GARCH模型有較佳的保守性與效率性似乎是沒有意義的。

GARCH Model & ARCH Model

http://yaya.it.cycu.edu.tw/ts/default.asp?mode=news&newstype=2&newsid=406