參考文獻
一、中文文獻
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」，碩士論文，國立台灣大學資訊管理研究所，台北。2.王勝助 (1998)，「運用智慧型系統在認購權證評價模式、避險及投資策略之研究」，碩士論文，國立雲林科技大學資訊管理研究所，雲林。3.朱佩亭 (1996)， 「運用遞迴式類神經網路為基礎之股票交易決策支援系統」，碩士論文，國立台灣大學資訊管理研究所，台北。4.余尚武、楊政麟 (1998)，「運用類神經網路於股價指數之套利—以日經225指數為例」，證券市場發展，第十卷，第四期，第111-149頁。5.李建信 (2001)，「台指選擇權之評價—ANN與GANN模型之績效比較」，碩士論文，真理大學財經研究所，台北。6.呂國宏 (2000)，「運用演化式類神經網路預測台灣股市行為之研究」，碩士論文，國立政治大學資訊管理研究所，台北。7.周育蔚 (1996)，「利用類神經網路建立台灣股價預測模型」，碩士論文，國立台灣大學商學研究所，台北。8.周慶華 (2001)， 「整合基因演算法及類神經網路於現貨開盤指數之預測—以新加坡交易所摩根台股指數期貨為例」，碩士論文，輔仁大學金融研究所，台北。9.林佩蓉 (2000)，「Black-Scholes模型在不同波動性衡量下之表現—股價指數選擇權」，碩士論文，國立東華大學企業管理研究所，花蓮。10.林建成 (2001)，「遺傳演化類神經網路於台灣股市預測與交易策略之研究」，碩士論文，東吳大學經濟研究所，台北。11.林聖哲 (2001)，「不同人工智慧演算方法於認購權證評價績效之研究」，碩士論文，實踐大學企業管理研究所，台北。12.林曉雯 (1997)， 「類神經網路在台灣股市投資之應用—指標選取與回饋式網路架構之建立」，碩士論文，國立台灣大學資訊管理研究所，台北。13.施能仁、劉定焜 (1998)，「台灣股價指數之避險操作—灰色滾動模式預測」，灰色系統學刊第1卷第2期。14.柯淑玲 (1999)，「運用類神經網路於台股認購權證評價模式之實證研究」，碩士論文，義守大學管理科學研究所，高雄。15.康億毅 (1996)，「台灣證券市場的灰色建模」，碩士論文，國立台灣科技大學電機工程研究所，台北。16.唐宜楷 (1998)，「台灣加權股價指數預測—灰色預測之運用」，碩士論文，國立台灣大學財務金融研究所，台北。17.張志良 (2003)，「人工智慧應用於選擇權評價及避險與套利交易之研究」，碩士論文，國立交通大學資訊管理研究所，新竹。18.張政一 (2000)，「類神經網路於有價證券預測股價及漲跌之研究」，碩士論文，中國文化大學企業管理研究所，台北。19.張振魁 (2000)，「以類神經網路提高股票單日交易策略之獲利」，碩士論文，國立中央大學資訊管理研究所，桃園。20.張鐘霖 (2003)，「波動率模型預測能力的比較—以台指選擇權為例」，碩士論文，國立中正大學財務金融研究所，嘉義。21.陳怡和 (1997)，「運用類神經網路在外匯選擇評價模式之實證研究」，碩士論文，國立交通大學資訊管理研究所，新竹。22.陳煒朋 (1999)，「GARCH模型與隱含波動性模型預測能力之比較」，碩士論文，淡江大學財務金融研究所，台北。23.曾思博 (1998)，「類神經網路於股價預測與資金配置之應用」，碩士論文，國立中央大學資訊管理研究所，桃園。24.葉怡成 (2002)，「類神經網路應用與實作」，儒林圖書有限公司。
25.溫坤禮 (2002)，「灰預測原理與應用」，全華科技圖書股份有限公司。
26.楊孟龍 (1999)，「類神經網路於股價波段預測及選股之應用」，碩士論文，國立中央大學資訊管理研究所，桃園。27.趙其琳 (1999)，「波動性預測能力比較—台灣認購權證之實證研究」，碩士論文，淡江大學財務金融研究所，台北。28.趙 嬙 (2003)，「灰色預測理論應用於汽車產業預測之研究—以台灣、大陸市場為例」，碩士論文，朝陽科技大學企業管理研究所，台中。
29.鄭亦妏 (2003)，「在Black-Scholes評價模型下台指選擇權最適波動性估計方法之研究」，碩士論文，淡江大學管理科學研究所，台北。30.鄭美幸 (1999)，「灰色理論與時間序列模型在匯率預測績效上之比較」，台灣金融財務季刊，第3輯第3期。
31.劉克一 (2001)，「以遺傳演算法演化類神經網路在股價預測上的應用」，碩士論文，真理大學管理科學研究所，台北。32.劉宛鑫 (2001)， 「運用股價原始資訊建構股價預測模型—類神經網路之應用」，碩士論文，國立高雄第一科技大學金融營運研究所，高雄。33.劉瑞鑫 (2003)， 「時間序列與人工智慧方法在台股指數報酬率預測之績效比較」，碩士論文，朝陽科技大學財務金融研究所，台中。34.謝坤民 (1997)，「長期火災保險之研究」，碩士論文，逢甲大學保險研究所，台中。35.顏思偉 (1997)，「產業關聯最適結構之灰色預測研究與應用」，碩士論文，國立彰化師範大學商業教育研究所，彰化。36.蘇木春、張孝德 (1997)，「機器學習：類神經網路、模糊系統以及基因演算法則」，全華科技圖書股份有限公司。
37.鍾秀培 (1997)，「運用類神經網路建構指數套利模型：以日經225指數為例」，碩士論文，國立交通大學資訊管理研究所，新竹。38.鍾澄吉 (1997)，「運用類神經網路預測選擇權評價模式中股票價格波動率之實證研究」，碩士論文，國立交通大學資訊管理研究所，新竹。二、英文文獻
1. Amilon, H. (2001) “A Neural Network Versus Black-Scholes : A Comparison of Pricing and Hedging Performance,” Working Paper, Dept. of Economics, Lund University
2. Black, F. and M. Scholes (1973) “The pricing of options and corporate liabilities,” Journal of Political Economy, vol.81, pp:637-359
3. Bollerslev, T, R. Chou and K. Kroner (1992) “ARCH Modeling in Finance,” Journal of Econometrics, vol.52, pp:5-59
4. Canina, L. and S. Figlewski (1993) “The Informational Content of Implied Volatility” Review of Financial Studies, vol.6, pp:659-681
5. Chang, K. H. and C. S. Wu (1998) “A Gray Time Series Model on Forecasting the Chinese New Year Effect in the Taiwan Stock Market,” Journal of Grey System, 1(1), pp:55-63
6.Chiras, D. P. and S. Manaster (1978) “The Information Content of Option Prices and a Test of Market Efficiency,” Journal of Financial Economics, vol.6 pp:213-234
7.Christensen, B. J. and N. R. Prabhala (1998) ”The Relation between Implied and Realized Volatility,” Journal of Financial Economics, vol.50, pp:125.150
8. Cox, J. C., S. A. Ross and M. Rubinstein (1979)“Option pricing : a simplified approach,” Journal of Financial Economics, vol.7, pp:229-263
9. Deng, J. Guo, H. Xu, S. Xiong, J. and Chen M.(1988) “Essential Topics on Grey System : Theory and Application,” Huazhong University of Science and Technology, Beijing : China Ocean Press
10.Gemmill, G.(1986) “The Forecasting Performance of Stock Options on the London Traded Options Marker,” Journal of Business Finance and Accounting, vol.13, pp:535-546
11. Gwilym, O. A. and M. Buckle (1999) “Volatility Forecasting in the Framework of the Option Expiry Circle,” Journal of Finance, vol.5, pp:73-94
12.Hanke, M.(1997) “Neural network approximation of option-pricing formulas for analytically intractable option-pricing models,” Journal of Computational Intelligence in Finance, vol.5, pp:20-27
13.Hanke, M.(1999) “Neural networks vs. Black-Scholes : an empirical comparison of the pricing accuracy of two fundamentally different option pricing methods,” Journal of Computational Intelligence in Finance, vol.7, pp:26-34
14.Hull, John, and Alan White, (1987)“The Pricing of Options on Assets with Stochastic Volatilities,” Journal of Finance, vol.42, pp:281-300
15.Lajbcygier, P. et al.(1996) “Comparing conventional and artificial neural network models for the pricing of options on futures,” Journal of Computational Intelligence in Finance, vol.4, pp:16-23
16.Lamoureux, C. G. and W. D. Lastrapes (1993)“Forecasting Stock Return Variance : Understanding Stochastic Implied Volatility,” Review of Financial Studies, vol.6, pp:293-326
17.Lauterbach, B. & P. Schultz (1990) “Pricing Warrants : An Empirical Study of the Black-Scholes Model and Its Alternatives,” Journal of Finance, vol.45, pp:1181-1209
18.Lin, Man (1989) “An Application of the GM(1,1) Model : The Prediction of Flight Safety,” Journal of Grey System, 1(1) pp:99-102
19.Macbeth, J.D. & L.J. Merville (1979)“An Empirical Examination of Black-Scholes Call Option Pricing Model,” Journal of Finance, vol.34, pp:1173-1186
20.Rubinstein, M.(1985) “Nonparametric Tests of Alternative Option Pricing Models Using All Reported Trades and Quotes on the 30 Most Active CBOE Option Classes from August 23, 1976 through August 31, 1978,” Journal of Finance vol,.40 pp:455-480