完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.author | 陳致維 | |
dc.contributor.author | 李振維 | |
dc.contributor.author | 陳俐穎 | |
dc.contributor.author | 侯偉凱 | |
dc.contributor.author | 游淳卉 | |
dc.contributor.author | 陳韋豪 | |
dc.contributor.author | 王嘉麟 | |
dc.date | 109學年度第一學期 | |
dc.date.accessioned | 2021-04-28T06:09:44Z | |
dc.date.accessioned | 2021-08-06T09:21:17Z | - |
dc.date.available | 2021-04-28T06:09:44Z | |
dc.date.available | 2021-08-06T09:21:17Z | - |
dc.date.issued | 2021-04-28T06:09:44Z | |
dc.date.submitted | 2021-04-28 | |
dc.identifier.other | D0680476、D0680387、D0875797、D0636225、D0680535、D0636137、D0668359 | |
dc.identifier.uri | http://dspace.fcu.edu.tw/handle/2377/32062 | - |
dc.description.abstract | 本研究探討美國股票受到新冠肺炎疫情影響的程度,我們選用了標普500股價指數與7個各別股(迪士尼、蘋果、波音、可口可樂、西南航空、亞馬遜和Blink電動車充電站)來作數據分析,以這些股票來推測觀光業、航空業、民生業、科技業所受到衝擊。第一部份根據最近十年的日時間序列(2010年1月到2020年9月),討論了每個股票的最佳變異數異質性模型(GARCH, GJR-GARCH and E-GARCH)以及三種誤差分配,以捕捉波動群聚性和不對稱的財務時間序列特徵,來推測未來的波動趨勢。第二部份為目標股票的市場模型,以獲得Beta估計值。以標準差來觀察選取的股票,亞馬遜是最穩定的。本文發現到新冠肺炎對科技業的影響相對較小,而對航空業的影響則相對嚴重,我們使用GARCH模型為基底創造市場模型,並以新冠肺炎大流行期間選定股票的Beta值與標普500指數相比,我們得出蘋果與Blink充電站的波動性更高,利潤也更高,即Beta值大於1且夏普值為正。 | |
dc.description.abstract | This research explores how U.S. stocks have been seriously impacted by the COVID-19 pandemic. We select the S&P 500 stock index and seven individual equities (Disney, Apple, Boeing, Coca-Cola, Southwest Airlines, Amazon, and Blink Charging) for data analysis and to examine the epidemic’s influence on tourism, aviation, people’s livelihood, and technology industries. The first part discusses the best fitted GARCH-type model for each stock based on the recent decade of a daily time series (January 2010 to September 2020) and then considers the GARCH model and asymmetric GARCH models with three error distributions to capture volatility clustering and asymmetric characteristics. The second part looks at the market models for the target stocks in order to obtain beta estimates. Findings show that Amazon is the most stable in terms of standard deviation among the selected stocks, and that the impact of the epidemic on the technology industry is relatively small, while the impact on the aviation industry is more serious. We fit the market models with GARCH specification to obtain the betas for selected stocks during the COVID-19 pandemic. Compared to the S&P index, we conclude that Apple and Blink Charging have higher profit, but with higher volatilities - i.e., the beta is greater than 1 with a positive Sharpe ratio. | |
dc.description.tableofcontents | 目 次 圖目錄 4 表目錄 5 第一章、緒論 6 第一節、股票的長期表現 6 第二節、股票在疫情期間表現 7 第二章、研究方法 9 第一節、ARCH Test 10 第二節、Jarque-Bera Test 10 第三節、Ljung-Box Test 11 第四節、變異數異質性模型 12 1、GARCH模型 12 2、GJR-GARCH模型 13 3、E-GARCH模型 13 第五節、Joint Test 14 第六節、Beta值應用與計算 14 第三章、實證分析 16 第一節、樣本描述 16 第二節、變異數異質性模型的參數估計 20 第四章、變異數異質性模型最終模型 21 第五章、市場模型分析 24 第一節、樣本描述 24 第二節、市場模型參數估計 25 第六章、市場模型最終模型 27 第七章、2020年報酬率波動圖 29 第八章、結論 31 第九章、參考文獻 33 | |
dc.format.extent | 34p. | |
dc.language.iso | zh | |
dc.rights | openbrowse | |
dc.subject | 美國股票 | |
dc.subject | 新冠肺炎 | |
dc.subject | 變異數異 | |
dc.subject | 質性模型(GARCH) | |
dc.subject | 不對稱變異數異質性模型(GJR-GARCHE-GARCH) | |
dc.subject | 風險係數(Beta) | |
dc.subject | U.S. stocks | |
dc.subject | COVID-19 | |
dc.subject | GARCH | |
dc.subject | GJR-GARCH | |
dc.subject | E-GARCH | |
dc.subject | Beta | |
dc.title | 新冠肺炎對美國股市之影響 | |
dc.title.alternative | The Impact of the COVID-19 on the U.S. Stock Market | |
dc.type | Undergracase | |
dc.description.course | 統計專題(一) | |
dc.contributor.department | 統計學系 | |
dc.description.instructor | 陳婉淑 | |
dc.description.programme | 統計學系 | |
分類: | 商109學年度 |
文件中的檔案:
檔案 | 描述 | 大小 | 格式 | |
---|---|---|---|---|
D0680476109119.pdf | 2 MB | Adobe PDF | 檢視/開啟 |
在 DSpace 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。