臺灣博碩士論文加值系統

國內證券金融市場於民國2005年3月28日正式推出電子選擇權契約，使台灣的金融業自由化及國際化更上一層樓，提供了投資者新投資商品和避險工具，也提供投機客及套利者，以少量資金賺取較大利潤的機會。尤其在推出選擇權契約以來，在期貨交易所及一些證券商大力推動下，目前選擇權市場交易熱度愈來愈沸騰，市場的發展潛力愈來愈不可忽視。
目前類神經網路是近年來快速竄起的資訊處理技術，尤其是運用在金融財務方面，都有非常好的績效。所以本研究嘗試運用類神經網路之倒傳遞網路，來預測電子選擇權，並且與B-S模型理論價格比較，以尋求出最適宜的預測模式，可提供投資者做為投資方面的參考。
實證結果發現，倒傳遞類神經網路評價模式，不論在買權與賣權方面，皆優於B-S評價模式，倒傳遞類神經網路其輸入變數的選取對預測結果有很大的影響。在實驗結果中，加入未平倉量變數比不加入未平倉量變數其預測結果相得來得準確。因為不論是從MAE、MSE、RMSE來觀察，在考慮未平倉量變數之下，可以得到較接近市場價格的預測值，若只考慮以B-S模型為基礎而選取其中的相關變數，則不見得有較佳的預測值。這表示，在影響選擇權價格的因素中，除了股價、履約價、無風險利率、波動率、距到期日長短等，未平倉量變數亦為一項重要的參考指標，從實驗結果中可知，模型以買權與賣權而言，價平所預測之準確度較價內、價外佳，由於價平沒有時間價值考量，而價內、價外有，因此對於選擇權價格在價平的預測上較無太大誤差的情形發生。

One kind of information processing technology is neural networks which have been developed rapidly in recent years. Especially in the financial field, neural networks are very popular. Therefore, focused on the Back Propagation Neural (BPN) Network, the study is to predict the price of electronic option. Moreover, comparing with the theoretical price of the Black-Scholes (B-S) model, we found the most suitable model of forecasting to investors as the investment materials.
By the empirical results, the Back Propagation Neural (BPN) Network is more capable of forecasting than the Black-Scholes (B-S) model either call or put. Besides, in the Back Propagation Neural (BPN) Network model, there is very great influence on the results through choosing the input variables. Moreover, the result of considering open interest variables comes more accurately than that of not considering open interest variables. By observing MAE, MSE or RMSE, we could get the forecast value relatively closed to the market price under the consideration of joining the open interest variables. However, if only choosing the relevant variables based on the Black-Scholes (B-S) model, we might not get better forecast value. That is, in the factors of influencing option price, besides stock price, exercise price, non-risk interest rate, volatility and the expiration date, the open interest variables have been an important reference index. Thus, the empirical results show that in the model with call and put, at money option price is more accurate than in-the-money and out-of-the-money ones. Unlike in-the-money and out-of-the-money options, we don’t consider the time value in the model with at money option. Therefore, there are not many errors appeared to forecast the option price in the model with at money option.

目 錄
中文摘要……………………………………………………………………………i
英文摘要……………………………………………………………………………ii
誌謝…………………………………………………………………………………iii
目錄…………………………………………………………………………………iv
表目錄………………………………………………………………………………v
圖目錄………………………………………………………………………………vi
第一章 緒論……………………………………………………………………1
第一節 研究背景與動機………………………………………………………1
第二節 研究目的………………………………………………………………3
第三節 研究範圍………………………………………………………………3
第四節 論文結構………………………………………………………………5
第二章 文獻探討………………………………………………………………7
第一節 選擇權之介紹…………………………………………………………7
第二節 電子類股價指數選擇權……………………………………………..11
第三節 Black-Scholes理論…………………………………………………14
第四節 類神經網路之國內外相關文獻……………………………………..19
第三章 研究方法………………………………………………………………26
第一節 類神經網路基本理論………………………………………………..28
第二節 類神經網路基本架構………………………………………………..30
第三節 類神經網路的分類…………………………………………………..32
第四節 倒傳遞網路簡介……………………………………………………..34
第四章 實證結果與分析………………………………………………………43
第一節 變數資料分析………………………………………………………..43
第二節 買權模型實證結果…………………………………………………..46
第三節 賣權模型實證結果…………………………………………………..62
第五章 結論與建議………………………………………………………………74
第一節 結論…………………………………………………………………74
第二節 後續研究與建議……………………………………………………74
參考文獻……………………………………………………………………………76

一、中文部份：
1、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。

2、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。

3、李惠妍(2003)，類神經網路與迴歸模式在台股指數期貨預測之研究，成功大學管理學院高階管理碩士在職專班。

4、吳宗正、溫敏杰、侯惠月(2001)，類神經網路及統計方法在台股指數期貨預測研究之比較，成功大學學報，第36卷，人文社會篇，頁91-109。

5、施能仁(1996)，期貨與選擇權學理與實務，華立書局。

6、孫嘉鴻(2004)，灰預測與演化式類神經網路應用於台指選擇權之研究，碩士論文，朝陽科技大學財務金融研究所。

7、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。

8、陳耀茂、殷純淵(2004)，類神經網路PCNeuron 使用手冊，鼎茂書局。

9、張瑜真(1996)，類神經網路在銀行授信風險之應用，碩士論文，國立交通大學管理科學研究所。

10、張道行(1998)，使用類神經網路以短期技術指標作次日股價趨勢預測之研究，論文研究。

11、葉怡成(2002)，應用類神經網路，儒林書局。

12、葉怡成(2002)，類神經網路模式應用與實作，儒林書局。

13、蔡依玲(2001)，台灣股票市場報酬率之研究，碩士論文，成功大學統計研究所。

14、蔡人煜(2002)「類神經網路於預測企業財務危機有效性之研究」。彰化師範大學商業教育學系在職進修專班。

15、臺灣期貨交易所網站http://www.taifex.com.tw/。

二、英文部份：

1、Black, F. and M. Scholes (1973) “The pricing of options and corporate liabilities,” Journal of Political Economy, vol.81, pp:637-359.

2、B ergerson, K. and Wunsch, D. C.(1991), A Commodity Trading Model Based on a Neural Network-expert System Hybrid ,IJCNN-91,I,pp. 289-293.

3、Chiang, W. C., Urban, T. L. and Baldridge, G. W. (1995), A Neural Network Approach to Mutual Fund Net Aasset Value Forecasting , Omega, Int. J. Mgmt. Sci.Vol.24, No.2, pp.205-210.

4、Grudnitski, G. and Osburn, L. (1993), Forecasting S&P and Gold Future Prices : An Application of Neural Networks, Journal of Futures Markets, Vol.13, No.6,pp.631-643.

5、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.

6、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.

7、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.

8. Simon Benninga (1989), Numerical Techniques in Finance.

9、Warner, B. and Misra, M.(1996), Understanding Neural Networks as Statistical Tools, The American Statistician, Vol. 50, No. 4, pp.284-293.