雷立芬Lei, Li-Fen臺灣大學:農業經濟學研究所廖偉真Liao, Wei-ChenWei-ChenLiao2010-05-112018-06-292010-05-112018-06-292009U0001-1607200914215500http://ntur.lib.ntu.edu.tw//handle/246246/182349台灣股市的快速成長加上政府對於外資管制的鬆綁，以及列入摩根史坦利新興市場指數後，愈來愈多投資者關注台灣股票市場發展，使得台灣股市波動性加劇，因而波動性議題越形重要。Andersen與Bollerslev（1997）指出，若使用較低頻資料無法正確反應出市場動態關係，因此建議使用高頻日內分鐘資料來分析。由於股票報酬波動是金融商品 （包括衍生證券） 的評價、投資組合選擇與資產管理很重要的依據，然而不同觀察頻率會有不同研究結果。為了使投資人在能做出正確判斷，最適頻率的選擇就變得格外重要。研究運用GARCH、TGARCH及EGARCH三種模型分析不同觀察頻率（五分鐘、十分鐘、三十分鐘、六十分鐘及日資料）GARCH效果變化，以便待出最適預測台灣股價加權指數的觀察頻率。資料選取期間為2006年1月2日至2008年12月31日。　經由實證結果發現，五分鐘觀察頻率模型預測能力最佳，即最能捕捉金融資產波動現象，日資料預測能力最差。因此，未來在探討台灣股票波動性時建議使用高頻五分鐘資料來探討。此外，加入落後一期交易量及落後一期交易量與報酬率交乘項的模型會使得波動持續性下降，亦交易變數可以增加模型解釋能力。 從三種GARCH模型比較發現，TGARCH與EGARCH模型配適能力較一般GARCH模型好，且不對稱效應皆很顯著，顯示台灣市場存在波動不對稱現象，因此未來在探討股票波動性時，需考慮波動不對稱效果。Abstract The paper evaluates the performance of conditional variance models using high-frequency data of the TAIEX and attempts to determine the optimal sampling frequency for the best daily volatility forecast. In this paper, we use GARCH, T-GARCH and E-GARCH model to measure and also add volume and interaction term. Form the analysis, is found that sampling at 5 minutes gives the best forecast for volatility. Our analysis also suggests that volume and interaction term would give better estimates of volatility with lower forecast error estimate.目錄辭 i要 iibstract iii目錄 vi目錄 vii表目錄 viii圖目錄 ix一章　緒論 1　第一節　研究背景與動機 1　第二節　研究目的與論文架構 4二章　文獻回顧 6　第一節　股價報酬波動性 6　第二節　股價與交易量關係 8三章　理論架構 11　第一節　GARCH模型 11　第二節　模型階次認定與診斷 14　第三節　ARCH效果檢定與模型參數估計 15　第四節　模型配適能力檢定 18　第五節　實證模型設定 19四章　實證結果與分析 25　第一節　資料來源與整理 25　第二節　單根檢定 28　第三節　條件平均數方程式之ARMA模型診斷 29　第四節　ARCH效果檢定 32　第五節　實證模型估計 34　第六節　模型預測能力分析 47五章　結論 50考文獻 53錄 58application/pdf1579847 bytesapplication/pdfen-US高頻資料交易量GARCH模型TGARCH模型EGARCH模型high frequency datavolumeGARCHTGARCHEGARCHthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/182349/1/ntu-98-R96627019-1.pdf