臺灣博碩士論文加值系統

本文將類神經網路預測結合選擇權交易策略，並檢視操作績效，操作標的為台指選擇權(TXO)，以期初持有至到期履約的方式，持有期間一個月。首先利用類神經網路作為研究的預測模型，預測台指選擇權的結算價，期間為2005年1月20日至2009年1月21日，總共45期，接著依照結算價與期初操作標的的起始價差，將各期狀況分為多頭、空頭、與盤整行情，並分成：不考慮投資決策(實驗一)、依市場趨勢分類區間(實驗二)、完美決策(實驗三)三種實驗，檢視台指選擇權操作績效，並將各實驗中績效最佳的交易部位，作為配合類神經網路預測為決策的組合交易策略，結果發現以類神經網路預測作為決策的交易策略績效中，任一檔的組合績效都能贏過實驗一的最佳績效，績效平均可達實驗二績效平均約八成，而最佳績效可達實驗三績效平均值的49%。

The study employs an artificial neural network model for constructing option trading strategies. The empirical experiment target is the Taiwan stock index option (TXO). The empirical testing period spans from January 2005 through January 2009 and amounts to 45 months. Meanwhile, this research further classifies the experimental period into subperiods of bullish, bearish, and consolidated market. The relative performance of the artificial neural network based strategy is measured in terms of three benchmarks: the buy-and-hold, bullish-bearish-consolidated market strategy, and the perfect foresight strategy. The resulting empirical evidence indicates that the artificial neural network based option trading strategy uniformly beats the buy-and-hold strategy. Moreover, the artificial neural network based option trading strategy in average reaches 80% of the profit of the bullish-bearish-consolidated market strategy and can approach about 50% of profit of the perfect foresight strategy.

目錄
中文摘要 --------------------------------------------------------------------------------------I
ABSTRACT -----------------------------------------------------------------------------------II
致謝 --------------------------------------------------------------------------------------------III
目錄 --------------------------------------------------------------------------------------------IV
表目錄 -----------------------------------------------------------------------------------------V
圖目錄 -----------------------------------------------------------------------------------------VI
第一章 緒論 ---------------------------------------------------------------------------------1
1.1研究動機與目的 ------------------------------------------------------------------------1
1.2研究流程 ---------------------------------------------------------------------------------4
1.3研究限制 ---------------------------------------------------------------------------------5
第二章 類神經網路與選擇權文獻探討-------------------------------------------------7
2.1 類神經網路簡介 -----------------------------------------------------------------------7
2.2 類神經網路應用相關文獻 -----------------------------------------------------------10
2.3 選擇權概論與相關文獻 --------------------------------------------------------------12
2.4 選擇權策略介紹 -----------------------------------------------------------------------17
第三章 研究方法與樣本資料 ------------------------------------------------------------25
3.1 研究模型－倒傳遞類神經網路(Back-propagation Neural Network，BPN)--25
3.2投入變數樣本 ---------------------------------------------------------------------------26
3.3 參數設定 --------------------------------------------------------------------------------29
3.4 選擇權樣本與設定 --------------------------------------------------------------------32
第四章 實證結果 ---------------------------------------------------------------------------34
4.1 類神經網路預測實驗結果 -----------------------------------------------------------34
4.2 選擇權交易策略績效 -----------------------------------------------------------------39
4.3 結合預測建構交易策略實證研究 --------------------------------------------------48
第五章 結論與建議 ------------------------------------------------------------------------58
5.1 結論 --------------------------------------------------------------------------------------58
5.2 後續研究建議 --------------------------------------------------------------------------60
參考文獻 --------------------------------------------------------------------------------------61
表目錄
表1-1 選擇權歷史成交量 -----------------------------------------------------------------1
表3-1 台指選擇權契約規格 --------------------------------------------------------------27
表3-2 投入類神經網路之經濟變數 -----------------------------------------------------28
表3-3 交易部位名稱定義 -----------------------------------------------------------------32
表4-1 驗證準確率 --------------------------------------------------------------------------37
表4-2 研究期間各期數據 -----------------------------------------------------------------38
表4-3 選擇權交易策略 --------------------------------------------------------------------39
表4-5 多空盤市場趨勢分類區間 --------------------------------------------------------40
表4-6 不考慮投資決策各交易策略績效 -----------------------------------------------41
表4-7a 趨勢分類多頭行情各策略績效 -------------------------------------------------42
表4-7b 趨勢分類空頭行情各策略績效 -------------------------------------------------43
表4-7c 趨勢分類盤整行情各策略績效 -------------------------------------------------44
表4-8a 實際市場多頭行情各策略績效 -------------------------------------------------45
表4-8b 實際市場空頭行情各策略績效 -------------------------------------------------46
表4-8c 實際市場盤整行情各策略績效 -------------------------------------------------47
表4-9a 不考慮投資決策各策略表現最佳交易部位 ----------------------------------48
表4-9b 結合類神經網路預測建構交易策略績效－不考慮投資決策--------------49
表4-10a 趨勢分類各行情表現最佳交易部位 ------------------------------------------50
表4-10b 趨勢分類建構組合交易策略績效 --------------------------------------------51
表4-10c 結合類神經網路預測建構交易策略績效－趨勢分類 --------------------52
表4-10d 趨勢分類與類神經網路建構交易策略平均數差檢定 --------------------53
表4-11a 實際市場各策略最佳交易部位-------------------------------------------------54
表4-11b 實際市場建構交易策略績效 --------------------------------------------------55
表4-11c 結合類神經網路預測建構交易策略績效－實際市場----------------------56
圖目錄
圖2-1 類神經網路架構 ---------------------------------------------------------------------8
圖2-2 網路訓練過程 ------------------------------------------------------------------------9
圖2-3a 買入買權損益圖 -------------------------------------------------------------------17
圖2-3b 賣出買權損益圖 -------------------------------------------------------------------17
圖2-4a 買入賣權損益圖 -------------------------------------------------------------------18
圖2-4b 賣出賣權損益圖 -------------------------------------------------------------------18
圖2-5a 買入買權牛式價差損益圖 -------------------------------------------------------19
圖2-5b 買入賣權熊式價差損益圖 -------------------------------------------------------19
圖2-6a 買入買權前式價差損益圖 -------------------------------------------------------20
圖2-6b 買入買權後式價差損益圖 -------------------------------------------------------20
圖2-7a 買入賣權前式價差損益圖 -------------------------------------------------------21
圖2-7b 買入賣權後式價差損益圖 -------------------------------------------------------21
圖2-8a 買入跨式組合損益圖 -------------------------------------------------------------23
圖2-8b 賣出跨式組合損益圖 -------------------------------------------------------------23
圖2-9a 買入勒式組合損益圖 -------------------------------------------------------------24
圖2-9b 賣出勒式組合損益圖 -------------------------------------------------------------24
圖3-1 視窗移動法示意 --------------------------------------------------------------------31
圖4-1 類神經網路預測值與真實值配適結果 -----------------------------------------34
圖4-2 結算價預測值與真實值走勢 -----------------------------------------------------35

參考文獻

中文部份

1.王春笙，1996，以技術指標預測台灣股市股價漲跌之實證研究－以類神經網路與複迴歸模式建構，國立台灣大學資訊管理所碩士論文。

2.周孟宣，2006，台指選擇權交易策略實證研究－以期初持有至到期結算為例，國立中山大學財務管理系碩士論文。

3.林榮順，2007，選擇權未平倉量與加權股價指數之相關性探討，朝陽科技大學財務金融系碩士論文。

4.徐清俊、康登傑，2004，”台指選擇權套利與效率性之研究”，遠東學報，二十一卷，第二期，頁232－239。

5.凌墉宏、柯政宏、蔡嘉玲、方立寬，2003，台指選擇權入門高手，良品文化館，桃園。

6.陳弘彬，1998，整合灰色理論與類神經網路於預測模型之建立－以SIMEX台灣股價指數期貨為例，義守大學管理科學所碩士論文。

7.張政一，2001，類神經網路於有價證券預測股價及漲跌之研究，中國文化大學國際企業管理所碩士論文。

8.廖四郎、王昭文，2005，期貨與選擇權，新陸書局，台北。

9.羅華強，2008，類神經網路：MATLAB的應用，高立圖書有限公司，台北。

英文部分

1.Baba, N. and Kozaki, M.(1992). “An Intelligent Forecasting System of Price Using Neural Networks”, IEEE/INNS International Joint Conference on Neural Networks,Vol.1, pp.371-377.

2.Chaput, J. S. and Ederington, L. (2003). “Option Spread and Combination Trading”. Journal of Derivatives, Vol.10, pp.70-88.

3.Chaput, J. S. and Ederington, L. (2005). “Vertical Spread Design”. Journal of Derivatives, Vol.12, pp.28-46.

4.Chaput, J. S. and Ederington, L. (2005). “Volatility Trade Design”. Journal of Futures Markets, Vol.25, pp.243-279.

5.Chaput, J. S. and Ederington, L. (2008). “Ratio Spreads”. Journal of Derivatives, Vol.15, pp.41-57.

6.Chen, A.S. and Leung, M. (2003). “Option Straddle Trading:Financial Performance and Economic Significance of Direct Profit Forecast and Conventional Strategies”. Applied Economics Letters, Vol.10, pp.493-498.

7.Douglas, W. and Bhaskar, D. (1996). “Classifying Trend Movements in The MSCI U.S.A. Capital Market Index : A Comparison of Regression, Arima and Neural Network Methods”. Computers and Operations Research, Vol.23, pp.611-622.

8.Ederington, L. and Guan, W. (2002). “Why are those options smiling?”. Journal of Derivatives, Vol.10, pp.9-35.

9.Hull, J. (2006). Options, Futures, and Other Derivatives. 6th Edition, New Jersey, Prentice Hall.

10.Konstantinos, N., et al. (1998). “Financial Prediction and Trading Strategies Using Neurofuzzy Approaches”. IEEE Transactions on Systems, Man, and Cybernetics, Vol.28, pp.520-531.

11.Lam, M. (2004). “Neural Network Techniques for Financial Performance Prediction: Integrating Fundamental and Technical Analysis.” Decision Support Systems Vol.37, pp.567-581.

12.McMillan, L. G. (2001). Options as a Strategic Investment. 4th Edition, Upper Saddle River, Prentice Hall.

13.Thawornwong, S. and Enke, D. (2004). “The Adaptive Selection of Financial and Economic Variables for Use with Artificial Neural Networks”. Neurocomputing, Vol.56, pp.543-548.

14.Zielonka, P. (2002). “How Financial Analysts Perceive Macroeconomic, Political News and Technical Analysis Signals”. Financial Counseling and Planning, Vol.13, pp.87-95.