类神经网路於选择权价格跟预测.docVIP

類神經網路於選擇權價格之預測—以台灣股價指數選擇權為例 PAGE PAGE 233 類神經網路於選擇權價格之預測 —以台灣股價指數選擇權為例 Option Price Forecasting Using Neural Networks—Evidence from the TSE Index Option 林進財Chin-Tsai Lin1 葉欣怡Hsin-Yi Yeh2 1元培科學技術學院 經營管理研究所 2銘傳大學管理科學研究所 1 Graduate Institute of Business and Management, Yuanpei University of Science and Technology, Hsin Chu 300, Taiwan, R.O.C. 2 Graduate School of Management, Ming Chung 【摘 要】 本文利用2002年1月1日至2003年12月31日間，台灣期貨交易所發行台灣股價指數選擇權之交易資料，應用類神經網路的倒傳遞模型與Black and Sholes(1973)選擇權評價模型(B-S評價模型)進行實證，並比較其預測評價績效。本文之研究結果發現，在台股指數選擇權之價格預測上，類神經網路之預測績效較傳統的B-S模型為佳。 關鍵詞：台指選擇權、類神經網路、B-S評價模型、波動度 ABSTRACT In this study, forecasting of the option prices of Taiwan stock index options (TXO) is carried out using backpropagation neural network pricing model and B-S pricing model (Black and Scholes, 1973) from January 1, 2002 to December 31, 2003. The results show that for volatile markets the neural network option pricing model outperforms the B-S pricing model. Keywords：Taiwan Index Option, Artificial Neural Network, Black-Scholes Option Pricing Model, Volatility 一、緒 論 隨著台灣金融市場之自由化，央行於1994年陸續開放利率選擇權、外幣選擇權及外幣利率選擇權之交易，但都僅屬於店頭市場交易。直至1997年由台灣證券交易所推出之本土認購權證，開始了衍生性金融商品之交易。1998年7月，台灣期貨交易所正式營運，並陸續推出各式台灣股價指數期貨契約，而台灣股價指數選擇權也於2001年12年24日由台灣期貨交易所正式推出上路。由於，選擇權有規避市場利率波動風險的功能，因此合理的選擇權價格預測便成為交易者重視之課題。 然而，直至Black and Scholes (1973)依據標的物價格波動符合幾何布朗寧運動的假設，再透過偏微分方程式，推導出歐式買權評價模型(即Black-Scholes評價模型，以下簡稱B-S模型)，方才奠定後續選擇權評價研究之主要參考依據。但是，由於如股價變動服從幾何布朗寧運動、選擇權只能在到期日履約、固定利率等假設皆與真實市場不符。因此，針對修正假設的後續相關研究有蒙地卡羅模擬法(Monte Carlo Simulation) 、有限差分法(Finite-Difference Method)與二項式訂價模型(Binomial Option Pricing Model)等 針對修正傳統B-S模型的諸多假設，後續發展出不同的相關評價模型，例如： 針對修正傳統B-S模型的諸多假設，後續發展出不同的相關評價模型，例如：Boyle(1977) 推導出蒙地卡羅模擬法（Monte Carlo Simulation）；Schwartz(1977) 推導出有限差分法（Finite-Difference Method）；及 Cox, Ross and Rubinstein(1979)推導出二項式評價模型（Binomial Option Pricing Method）等。 近年來，隨著類神經網路、基因演算法等人工智慧的快速發展，在財經等相關領域之應用研究皆有顯著性突破。其中，類神經網路無需找出系統模型，僅根據輸入及輸出變數間之關係，再經學習後便可模擬出決策模型進而產生預測能力。雖然類神經網路運用複雜，但樣本資料卻不需事先加以處理。何況在許多統計模型在非線性問題之處理上，都有其先天上的限制，