請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81316完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 雷立芬(Li-Fen Lei) | |
| dc.contributor.author | Chi-Yang Chang | en |
| dc.contributor.author | 張棨揚 | zh_TW |
| dc.date.accessioned | 2022-11-24T03:42:45Z | - |
| dc.date.available | 2022-02-16 | |
| dc.date.available | 2022-11-24T03:42:45Z | - |
| dc.date.copyright | 2022-02-16 | |
| dc.date.issued | 2022 | |
| dc.date.submitted | 2022-01-25 | |
| dc.identifier.citation | 每5秒委託成交統計 (2021)，臺灣證券交易所。檢自https://www.twse.com.tw/zh/page/trading/exchange/MI_5MINS.html 廖偉真、雷立芬 (2010)，「不同樣本頻率之股市波動性估計—GARCH、TGARCH與EGARCH之比較」，臺灣銀行季刊，第六十一卷第四期，頁294-307。 COVID-19 即時更新報告 (2021)，COVID-19 全球疫情地圖。檢自 https://covid-19.nchc.org.tw/ Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. Akgiray, V. (1989). Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecasts. The Journal of Business, 62(1), 55-80. Al-Awadhi, A. M., Alsaifi, K., Al-Awadhi, A., Alhammadi, S. (2020). Death and contagious infectious diseases: Impact of the COVID-19 virus on stock market returns. Journal of Behavioral and Experimental Finance, 27, 100326. Ali, M., Alam, N., Rizvi, S. A. R. (2020). Coronavirus (COVID-19)—An epidemic or pandemic for financial markets. Journal of Behavioral and Experimental Finance, 27, 100341. Andersen, T. G., Bollerslev, T. (1997). Heterogeneous information arrivals and return volatility dynamics: Uncovering the long‐run in high frequency returns. The Journal of Finance, 52(3), 975-1,005. Andersen, T. G., Bollerslev, T., Diebold, F. X., Ebens, H. (2001). The distribution of realized stock return volatility. Journal of Financial Economics, 61(1), 43-76. Ashraf, B. N. (2020). Stock markets’ reaction to COVID-19: Cases or fatalities? Research in International Business and Finance, 54, 101249. Baig, A. S., Butt, H. A., Haroon, O., Rizvi, S. A. R. (2021). Deaths, panic, lockdowns and US equity markets: The case of COVID-19 pandemic. Finance Research Letters, 38, 101701. Baker, S. R., Bloom, N., Davis, S. J., Kost, K., Sammon, M., Viratyosin, T. (2020). The unprecedented stock market reaction to COVID-19. The Review of Asset Pricing Studies, 10(4), 742-758. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327. Box, G. E., Jenkins, G. M. (1976). Time series analysis. Forecasting and control. Holden-Day Series in Time Series Analysis. Chaudhary, R., Bakhshi, P., Gupta, H. (2020). Volatility in international stock markets: an empirical study during Covid-19. Journal of Risk and Financial Management, 13(9), 208. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society, 987-1007. Fama, E. F. (1965). The behavior of stock-market prices. The Journal of Business, 38(1), 34-105. Gates, B. (2020). Responding to Covid-19—a once-in-a-century pandemic? New England Journal of Medicine, 382(18), 1677-1679. Jarque, C. M., Bera, A. K. (1980). Efficient tests for normality, homoscedasticity and serial independence of regression residuals. Economics Letters, 6(3), 255-259. Ljung, G. M., Box, G. E. (1978). On a measure of lack of fit in time series models. Biometrika, 65(2), 297-303. Mandelbrot, B. (1963). The Variation of Certain Speculative Prices. The Journal of Business, 36(4), 394-419. Schwarz, G. (1978). Estimating the dimension of a model. The Annals of Statistics, 461-464. Sharif, A., Aloui, C., Yarovaya, L. (2020). COVID-19 pandemic, oil prices, stock market, geopolitical risk and policy uncertainty nexus in the US economy: Fresh evidence from the wavelet-based approach. International Review of Financial Analysis, 70, 101496. Stock market historians (2021), Bull Bear Finance srl. Retrieved from https://data.bbfinance.net/?action=symbol_search WHO Coronavirus (COVID-19) Dashboard (2021), World Health Organization. Retrieved from https://covid19.who.int/info/ World Indices (2021), Finam Holdings. Retrieved from https://www.finam.ru | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81316 | - |
| dc.description.abstract | "本研究利用ARMA(m,n)-GARCH(p,q)模型，探討COVID-19累積確診數與累積死亡數在不同觀察頻率下（5分鐘、10分鐘、30分鐘、60分鐘及日資料）對於指數波動性的影響。主要選擇的股價指數包括：臺灣加權指數、香港恒生指數、中國上證指數、日本日經225指數、韓國綜合股價指數、美國道瓊工業指數、英國富時100指數、法國CAC40指數、德國DAX指數以及義大利富時MIB指數等，並以2020年1月2日至2021年6月30日為研究期間。實證結果顯示累積確診數及累積死亡數對股市的波動性皆有顯著影響。由於病毒具有高度突變特性，在疫情不能有效控制的情況下，投資人仍須重視累積確診數與累積死亡數等數據的變化，以正確做出投資決策。" | zh_TW |
| dc.description.provenance | Made available in DSpace on 2022-11-24T03:42:45Z (GMT). No. of bitstreams: 1 U0001-2101202221241200.pdf: 2760513 bytes, checksum: 89927d6f6be80f33e262df730a33fd49 (MD5) Previous issue date: 2022 | en |
| dc.description.tableofcontents | 口試委員審定書 i 謝辭 ii 摘要 iii Abstract iv 目錄 v 圖目錄 vi 表目錄 viii 第一章 緒論 1 第一節 研究背景與動機 1 第二節 研究目的 2 第二章 文獻探討 4 第一節 時間序列相關文獻 4 第二節COVID-19對股市影響相關文獻 5 第三章 研究方法 7 第一節 ARMA-GRACH模型 7 第二節 波動模型檢定 9 第四章 實證結果與分析 12 第一節 資料來源與敘述統計 12 第二節 報酬率波動性分析 17 第三節 波動模型結果與分析 27 第四節 波動性效果整理與比較 84 第五章 結論 90 參考文獻 92 圖4 1臺灣加權指數報酬率走勢圖 17 圖4 2香港恒生指數報酬率走勢圖 18 圖4 3上海綜合指數報酬率走勢圖 19 圖4 4日本日經225指數報酬率走勢圖 20 圖4 5韓國綜合股價指數報酬率走勢圖 21 圖4 6美國道瓊工業指數報酬率走勢圖 22 圖4 7英國富時100指數報酬率走勢圖 23 圖4 8法國CAC40指數報酬率走勢圖 24 圖4 9德國DAX指數報酬率走勢圖 25 圖4 10義大利富時MIB指數報酬率走勢圖 26 圖4 11臺灣COVID-19累積確診數 28 圖4 12臺灣COVID-19累積死亡數 28 圖4 13香港COVID-19累積確診數 34 圖4 14香港COVID-19累積死亡數 34 圖4 15中國COVID-19累積確診數 39 圖4 16中國COVID-19累積死亡數 39 圖4 17日本COVID-19累積確診數 45 圖4 18日本COVID-19累積死亡數 45 圖4 19韓國COVID-19累積確診數 50 圖4 20韓國COVID-19累積死亡數 50 圖4 21美國COVID-19累積確診數 56 圖4 22美國COVID-19累積死亡數 56 圖4 23英國COVID-19累積確診數 62 圖4 24英國COVID-19累積死亡數 62 圖4 25法國COVID-19累積確診數 67 圖4 26法國COVID-19累積死亡數 67 圖4 27德國COVID-19累積確診數 72 圖4 28德國COVID-19累積死亡數 72 圖4 29義大利COVID-19累積確診數 78 圖4 30義大利COVID-19累積死亡數 78 表4 1臺灣加權指數報酬率敘述統計 13 表4 2香港恒生指數報酬率敘述統計 13 表4 3上海綜合指數報酬率敘述統計 13 表4 4日本日經225指數報酬率敘述統計 14 表4 5韓國綜合股價指數報酬率敘述統計 14 表4 6美國道瓊工業指數報酬率敘述統計 14 表4 7英國富時100指數報酬率敘述統計 15 表4 8法國CAC40指數報酬率敘述統計 15 表4 9德國DAX指數報酬率敘述統計表 15 表4 10義大利富時MIB指數報酬率敘述統計 16 表4 11臺灣加權指數COVID-19累積確診數波動性模型估計結果 29 表4 12臺灣加權指數COVID-19累積死亡數波動性模型估計結果 31 表4 13香港恆生指數COVID-19累積確診數波動性模型估計結果 35 表4 14香港恆生指數COVID-19累積死亡數波動性模型估計結果 36 表4 15上海綜合指數COVID-19累積確診數波動性模型估計結果 40 表4 16上海綜合指數COVID-19累積死亡數波動性模型估計結果 42 表4 17日本日經225指數COVID-19累積確診數波動性模型估計結果 46 表4 18日本日經225指數COVID-19累積死亡數波動性模型估計結果 47 表4 19韓國綜合股價指數COVID-19累積確診數波動性模型估計結果 51 表4 20韓國綜合股價指數COVID-19累積死亡數波動性模型估計結果 53 表4 21美國道瓊工業指數1 COVID-19累積確診數波動性模型估計結果 57 表4 22美國道瓊工業指數2 COVID-19累積確診數波動性模型估計結果 58 表4 23美國道瓊工業指數1 COVID-19累積死亡數波動性模型估計結果 59 表4 24美國道瓊工業指數2 COVID-19累積死亡數波動性模型估計結果 59 表4 25英國富時100指數COVID-19累積確診數波動性模型估計結果 63 表4 26英國富時100指數COVID-19累積死亡數波動性模型估計結果 64 表4 27法國CAC40指數COVID-19累積確診數波動性模型估計結果 68 表4 28法國CAC40指數COVID-19累積死亡數波動性模型估計結果 69 表4 29德國DAX指數COVID-19累積確診數波動性模型估計結果 73 表4 30德國DAX指數COVID-19累積死亡數波動性模型估計結果 74 表4 31義大利富時MIB指數1 COVID-19累積確診數波動性模型估計結果 78 表4 32義大利富時MIB指數2 COVID-19累積確診數波動性模型估計結果 80 表4 33義大利富時MIB指數1 COVID-19累積死亡數波動性模型估計結果 81 表4 34義大利富時MIB指數2 COVID-19累積死亡數波動性模型估計結果 82 表4 35累積確診數對各指數波動性效果之比較 86 表4 36累積死亡數對各指數波動性效果之比較 89 | |
| dc.language.iso | zh-TW | |
| dc.subject | 新型冠狀病毒 | zh_TW |
| dc.subject | ARMA-GARCH 模型 | zh_TW |
| dc.subject | 股票報酬率 | zh_TW |
| dc.subject | 股價指數 | zh_TW |
| dc.subject | 股票市場波動性 | zh_TW |
| dc.subject | Stock Returns | en |
| dc.subject | ARMA-GARCH model | en |
| dc.subject | COVID-19 | en |
| dc.subject | Stock Price Index | en |
| dc.subject | Stock Market Volatility | en |
| dc.title | COVID-19對主要股價指數波動性之影響 | zh_TW |
| dc.title | The Impact of COVID-19 on Major Stock Index Volatility | en |
| dc.date.schoolyear | 110-1 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 葉國俊(Tian-Wei Huang),黃芳玫(Zuo-Min Tsai),(Kun-You Lin),(Chau-Ching Chiong) | |
| dc.subject.keyword | 新型冠狀病毒,ARMA-GARCH 模型,股價指數,股票報酬率,股票市場波動性, | zh_TW |
| dc.subject.keyword | COVID-19,ARMA-GARCH model,Stock Price Index,Stock Returns,Stock Market Volatility, | en |
| dc.relation.page | 93 | |
| dc.identifier.doi | 10.6342/NTU202200144 | |
| dc.rights.note | 同意授權(限校園內公開) | |
| dc.date.accepted | 2022-01-27 | |
| dc.contributor.author-college | 生物資源暨農學院 | zh_TW |
| dc.contributor.author-dept | 農業經濟學研究所 | zh_TW |
| 顯示於系所單位： | 農業經濟學系 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-2101202221241200.pdf 授權僅限NTU校內IP使用（校園外請利用VPN校外連線服務） | 2.7 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。