(54.236.58.220) 您好!臺灣時間:2021/03/06 22:54
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林澤全
研究生(外文):Tse-Chuan LIN
論文名稱:模糊遺傳程式規劃在認購權證訂價模式之研究
論文名稱(外文):A Study on the Pricing of Warrants Based on Fuzzy Genetic Programming
指導教授:林文修林文修引用關係
指導教授(外文):Wen-Shiu Lin
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2005
畢業學年度:93
語文別:中文
論文頁數:75
中文關鍵詞:認購權證遺傳程式規劃模糊理論BS模式
外文關鍵詞:WarrantsGenetic ProgrammingFuzzy theoryBS model
相關次數:
  • 被引用被引用:10
  • 點閱點閱:232
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:47
  • 收藏至我的研究室書目清單書目收藏:2
近幾年來由於國際金融的快速發展,為了因應金融環境變動的需要,金融商品不斷的創新及市場的持續開拓。回顧我國金融商品市場也如此,其中又以認購權證的發展最為快速蓬勃。多數人在評價權證時,仍採用Black-Scholes的選擇權訂價模式,屬於模式驅動理論(model-driven approach)的Black-Scholes必須建立在許多前提假設下,然而這些假設與真實世界是不盡相符的,使得此模型在實際運作上易產生價格偏誤的現象。因此,本研究應用遺傳程式規劃(Genetic Programming, GP)其符合資料驅動理論(data-driven approach)無母數方法的特質具有強大平行搜尋能力,可以描述複雜非線性的權證價格。此外,本研究設計模糊的交配率與突變率,在演化過程中動態的調整它們。
本研究結果顯示:(1)使用模糊邏輯控制單元的遺傳程式規劃在與固定參數的遺傳程式規劃相比,擁有較佳的搜尋能力亦在訂價精確度上優於BS模式。(2)組合型權證比個股型權證更適合運用FGP進行預測訂價。(3)權證在接近到期日時可能預測落差過大的情形發生,可縮短期間以提升FGP的預測精確度。(4)將權證依價內、價平、價外分群的策略,使模糊遺傳程式規劃更能學習到優於未分群權證的績效。(5)模擬投資的策略實驗中,FGP模式的報酬率優於傳統GP模式。
Due to the rapid development of the international finance, and the response to the change of financial environment, the new varieties of financial products is emerging and the financial markets keep growing. Similar phenomena appeared in the financial products and markets in Taiwan, too. Among them, the development of the pricing of warrants growing most fast. In warrants pricing, the Black-Scholes model was used most frequently. This model adopts model-driven approach and should meet many assumptions. These assumptions are often not met in the real world. Therefore, the Black-Scholes model produced pricing bias. The present study uses Fuzzy Genetic Programming(FGP) to price warrants. These methods belong to data-driven approach. They are nonparametric, and have strong abilities in horizontal searching. They can describe the complex nonlinear warrants pricing. The methods also adopt fuzzy crossover rate and mutation rate, in order to dynamic regulation of the evolution processes.
The results of the present study showed: 1.The fuzzy genetic programming have better searching abilities than the fixed parameter genetic programming and the better precision of pricing than the Black-Scholes model.2.The fuzzy genetic programming is more suitable to basket warrants than individual warrants in predicting prices.3.If the predictive bias near the pay time is large, to shorten the period will raise the predictive accuracy of the fuzzy genetic programming.4.The classification of the warrants based on In-the-money, At-the-money, and Out-of-the-money make fuzzy genetic programming learn more effectively.5.Simulation of investment strategy found the fuzzy genetic programming is better than genetic model.
表次……………………………………………………………………………vi
圖次…………………………………………………………………………vii
第壹章 緒論 1
第一節 研究背景與動機 1
第二節 研究問題 2
第三節 研究目的 3
第四節 研究流程 4
第五節 論文架構 4
第貳章 文獻探討 7
第一節 認購權證 7
第二節 遺傳程式規劃法 18
第三節 模糊理論 26
第四節 選擇權評價模式與遺傳程式規劃相關研究 31
第五節 本章小結 32
第參章 研究方法 35
第一節 研究架構 35
第二節 模糊遺傳程式規劃架構設計 36
第三節 模擬投資策略 43
第四節 實驗設計 43
第肆章 實驗結果與分析 47
第一節 系統穩定度測試 47
第二節 實驗結果說明 49
第三節 模糊遺傳程式規劃訂價模型分析 63
第四節 分析與討論 68
第伍章 結論與建議 71
第一節 結論 71
第二節 研究貢獻 72
第三節 未來研究建議 72
參考文獻 73
參考文獻
一、中文部分:
1.方怡旻,以模糊理論設計電動車之能源回收系統,逢甲大學電機工程學系碩士論文,2002。
2.李允中、王小璠、蘇木春,模糊理論及其應用,台北:全華,2003。
3.李存修,台灣認購權證個案集-價格行為&避險操作,禾豐文教基金會,1999。
4.李存修,選擇權交易之理論與實務,中華民國證券暨期貨市場發展基金會,1999。
5.李沃牆,計算智慧在選擇權定價上的發展-人工神經網路、遺傳規劃、遺傳演算法,政治大學經濟研究所博士論文,1998。
6.林耀堂,遺傳程式規劃於股市擇時交易策略之研究,國立中央大學資訊管理學系碩士論文,2001。
7.徐仕豪,選擇權之設定報酬率投資策略分析,輔仁大學經濟學研究所碩士論文,2004。
8.陳侑德,遺傳程式規劃於發展複製賣權策略之應用,國立中央大學資訊管理學系碩士論文,2004。
9.陳威光,選擇權-理論、實務與應用,台北:智勝,2001。
10.黃須白,認購權證操作實務,台北:寰宇,2004。
11.黃嘉斌譯,Lawence G.McMillan著,選擇權投資策略(上),台北:寰宇,1998。
12.黃嘉斌譯,Lawence G.McMillan著,選擇權投資策略(中),台北:寰宇,1998。
13.黃嘉斌譯,Lawence G.McMillan著,選擇權投資策略(下),台北:寰宇,1998。
14.傅瑋瓊,認購權證入門-學習地圖,台北:早安財經文化,2004。
15.劉怡君,應用遺傳程式規劃於臺指買權評價之研究,輔仁大學資訊管理研究所碩士論文,2004。
16.鄭翔尹,組合型認購權證之定價及避險,政治大學國際貿易研究所碩士論文,1999。

二、英文部分
1.Allen, F. and Karjalainen R., “Using Genetic Algorithm to Find Technical Trading Rules,” Journal of Financial Economics, 1999, pp.245-271.
2.Black, F. and Scholes M., “The pricing of Options and Corporate Liabilities,” Journal of Political Economy, 1973, pp.637-659.
3.Chen S.H., Yeh C.H. , and Lee W.C., “Option Pricing with Genetic Programming,” Third Annual International Genetic Programming Conference, July 1998, pp.22-25.
4.Cox, John C., Stephen A. Ross, and Mark Rubinstein, “Option Pricing,” Journal of Financial Economics, 1979, pp.229-263.
5.Galai, D., ”Tests of Market Efficiency of the Chicago Board Options Exchange,” Journal of Bussiness, Vol. 50, 1977, pp.167-197.
6.Galai, D., ”The Components of the Return from Hedging Options Against Stocks,” Journal of Bussiness, Vol. 56, 1983, pp.45-54.
7.Goldberg, D. E., “Genetic Algorithms in Search, Optimization, and MachineLearning,” Addison-Wesley, California, 1989.
8.Holland, J.H., “Adaptation in Natural and Artificial Systems: An IntroductoryAnalysis with Applications to Biology, Control, and Artificial Intelligence,”University of Michigan Press, Ann Arbor, 1975.
9.Hutchinson, James M., Andrew Lo. ,and T. Poggio, “A Nonparametric Approach to Pricing and Hedging Derivative Securities Via Learning Networks,” Journal of Finance, Vol.49, 1994, pp.851-889.
10.Koza J.R., “Genetic Programming: On the Programming of Computers by Means ofNatural Selection,” MIT Press, 1992.
11.Koza, J.R., “Genetic Programming II: Automatic Discovery of Reusable Programs,”MIT Press, 1992.
12.Li, Jin & Tsang, E.P.K., “Improving Technical Analysis Predictions: An Application of Genetic Programming,” Artificial Intelligence Research Symposium, 1999.
13.Neely, C., Weller, P. ,and Ditmar, R., “Is technical analysis in the foreign exchange market profitable? A genetic programming approach,” in Dunis, C. and Rustem, B.(ed.), Proceedings, Forecasting Financial Markets: Advances for Exchange Rates, Interest Rates and Asset Management, London. 1997.
14.Noe, Thomas H.,and Jun Wang, “The self-evolving logic of financial claim prices,” Genetic algorithms and genetic programming in computational finance, 1997, pp.249-262.
15.Oguzhan H. and Fuat E., “Evaluation of crossover techniques in genetic algorithm based optimum structural design,” Computers and Structures ,2000。
16.Trigueros, J., “A Nonparametric Approach to Pricing and Hedging Dericative Securities Via Genetic Regression,” Proceedings of the IEEEE/IAFE 1997 Conference on Computational Intelligence for Financial Engineering, IEEE Press, pp.1-7.
17.Wang P.Y., Wang G.S., Song Y.H., and Johns A. T., ”Fuzzy Logic Controlled Genetic Algorithms,” Proceedings of the Fifth IEEE International Conference on Fuzzy Systems,Vol.2, 1996, pp.1-7.

三、網站部分
1.http://www.geneticprogramming.com/,存取日期2004.10.1
2.台灣證券交易所網站:http://www.tse.com.tw/,存取日期2004.10.1
3.臺灣期貨交易所:http://www.taifex.com.tw/,存取日期2005.4.1
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔