跳到主要內容

臺灣博碩士論文加值系統

(44.200.27.215) 您好!臺灣時間:2024/04/15 03:45
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

: 
twitterline
研究生:李昀臻
研究生(外文):Yun-Cheng,Li
論文名稱:多空頭市場不同波動下台灣加權股價指數選擇權評價搭配倒傳遞類神經網路之研究
論文名稱(外文):Comparing the Performance of TXO Valuation under Alternative Volatility Models Collocation BNP Model between bull and bear market
指導教授:張紘炬張紘炬引用關係
學位類別:碩士
校院名稱:亞洲大學
系所名稱:經營管理學系碩士班
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:51
中文關鍵詞:台指選擇權歷史波動加權平均隱含波動Vega加權平均隱含波動GARCH波動GAIV波動類神經
外文關鍵詞:TXOHVAWIVVGIVGARCHGAIVANN
相關次數:
  • 被引用被引用:3
  • 點閱點閱:605
  • 評分評分:
  • 下載下載:162
  • 收藏至我的研究室書目清單書目收藏:0
隨著金融市場的發展、金融商品的多樣化,選擇權逐漸成為不可或缺的投資工具。Black and Scholes(1973)提出歐式買權評價模式。然該模型假設與真實市場並不相符,易產生錯誤訂價情形。本文以台指選擇權為研究標的,以歷史波動性、加權平均隱含波動、Vega加權平均隱含波動、GARCH波動與GAIV波動來估計標的資產報酬率之波動性,搭配倒傳遞類神經網路模型預測對2003年1月2日至2008年12月31日間多空頭市場下台指選擇權價格進行評價。實證結果發現,在多空頭市場下,GAIV波動估計在價內與價平下普遍優於傳統波動估計。
中文摘要 I
英文摘要 II
目錄 III
表目次 IV
圖目次 V
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 研究架構與流程 4
第四節 論文結構 6
第二章 文獻探討 7
第一節 台灣加權股價指數選擇權 7
第二節 BLACK-SCHOLES 選擇權模型與相關文獻 10
第三節 人工智慧 17
第三章 研究方法 26
第一節 樣本期間與資料來源 26
第二節 研究方法 27
第四章 結果與分析 38
第一節 資料處理 38
第二節 類神經網路運算結果 41
第三節 不同波動度之比較 42
第五章 結論與建議 44
第一節 結論 44
第二節 研究建議 45
參考文獻 46
尤子源(2001),隔夜拆款利率預測模型整研究比較,高雄第一科技大學金融營運系。
王國強(2005),期貨市場價格波動與交易量、到期日之關聽性分析,長榮大學學報,9(1),59-78。
王勝助(2000),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,國立雲林科技大學資訊管理研究所。
吳宗正、溫敏杰和侯惠月(2001),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,36,頁91-109。
巫春洲(2002),認購權證價格行為之實證研究,管理學報,19(4),759-779。
李天行、邱志洲(2000),類神經網路於現貨開盤指數之預測—以新加坡交易所日經指數期貨為例,亞太管理評論,5(4),557-570。
李天行、陳能靜和蔡榮裕(2001),現貨盤後期貨交易資訊內涵之研究—以新加坡交易所日經225指數期貨為例,管理學報,18(4),567-588。
李沃牆(1998),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。
李沃牆、張克群(2006),比較不同波動率模型下台灣股票選擇權之評價績效,真理財金學報,14,71-96。
李建信(2002),台指選擇權之評價—ANN與GANN模型之績效比較,真理大學財經研究所碩士論文。
周宗南、劉瑞鑫(2005),演化式類神經網路應用於台股指數報酬率之預測,財金論文叢刊,3,77-94。
林文政、臧大年(1996),台灣股指期貨定價與套利實務問題探討,證券市場發展季刊,8(3),1-31。
林丙輝、王明傳(2001),台灣證券市場股票認購權證評價與避險之實證研究,證券市場發展,13(1),1-29。
柯淑玲(2000),運用類神經網路於台股認購權證評價模型之實證研究,義守大學管理科學研究所碩士論文。
洪啟安(1998),台灣認購權證價格形成之實證研究,長庚大學管理學研究所未出版碩士論文。
倪衍森、吳曼華和鄭亦妏(2005),在Black-Scholes評價模型下台指選擇權最是波動性估計方法之研究, 管理科學研究,2(1),93-109。
莊益源、張鐘霖和王祝三(2003),波動率預測模型能力的比較—以台指選擇權為例,台灣金融財務季刊,4(2),41-63。
許意鈴(2003),共同基金淨值的預測-灰色理論、類神經網路適應性類神經模糊推論系統,國立台灣科技大學資訊管理研究所碩士論文。
許溪南、詹世煌和謝宗祐(2000),選擇權隱含波動性與標的資產歷史波動性及選擇權參數之關聯性,亞太管理評論,5(4),385-401。
陳安斌、張志良(2001),基因演算法自動演化之類神經網路在選擇權評價及避險之研究:分析與實證,資訊管理學報,7(2),63-80。
陳怡和(1997),運用類神經網路在外匯選擇權評價模型之實證研究,交通大學資訊管理研究所碩士論文。
陳勁甫、鄧仲傑(2003),不同波動模型對認購權證訂價績效衡量之研究-以機電股為例,朝陽商管評論,2(2),25-50。
陳昶均(2004),不同波動性估計模型下台指選擇權評價績效之比較,東吳大學企業管理研究所碩士論文。
黃嘉惠(2006),Black-Scholes方程式的數值模擬與選擇權定價問題之相關應用,靜宜大學應用數學研究所碩士論文。
葉怡成(2003),類神經網路模型應用與實作,儒林圖書有限公司。
葉淵淜(2004),藉二項式選擇權評價模式預測台灣指數選擇權之決策行為研究,台中健康暨管理學院經營管理研究所碩士論文。
廖四郎、林信惠、許琬琳和王明杰(1999),台股指數期貨套利分析與類神經網路之應用,亞太經濟管理評論,3(1),41-63。
劉嘉鴻(2000),整合灰預測及類神經網路模型研究股市盤後期貨價格之資訊內涵:以摩根台股指數及日經225指數為例,輔仁大學金融研究所未出版碩士論文。
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,私立淡江大學管理科學研究所未出版之碩士論文。
錢怡成、黃少偉(2002),台灣股價指數期貨之避險比率及避險績效,管理創新與新願景研討會。
薛吉延(1999),隱含波動性預測品質之解析:台灣及美國市場之實證,淡江大學企業管理研究所
薛淑嫻(1999),認購權證評價模型之研究-基因演算法與類神經網路之運用,銘傳大學金融研究所碩士論文。
關旭東(2004),隨機波動度下選擇權評價之實證-以台灣股價指數選擇權為例,輔仁大學金融學系研究所未出版碩士論文。
Akgiray, V. (1989). Conditional Heteroskedasticity in Time Series of Stock Returns Evidence and Forecasts. Journal of Business, 62(2), 55-80.
Amilon, H. (2003). A Neural Network Versus Black-Scholes: A Comparison of Pricing and Hedging Performances. Journal of Forecasting, 22(4), 317-335.
Anders, U., Korn, O. and Schmitt, C. (1998). Improving the Pricing of Options: A Neural Network Approach. Journal of Forecasting, 17(5/6), 369-388.
Baillie, R. T. and DeGennaro, R. P. (1990). Stock Returns and Volatility. Journal of Financial and Quantitative Analysis, 25(2), 203-14.
Bakshi, G., Cao, C. and Chen, Z. (1997). Empirical Performance of Alternative Option Pricing Models. Journal of Finance, 52(5), 2003-2049.
Black, F. and Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637-659.
Boyle, P. P. (1977). Options: A Monte Carlo Approach. Journal of Financial Economics, 4(3), 323-338.
Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroscedasricity. Journal of Econometrics, 31, 307-327.
Bollerslev, T. (1987). A Conditional Heter-oskedastic Time Series Model for Speculative Price and Rates of Return. Review of Economics and Statistics, 69(3), 542-47.
Bongnam, T. (1995). A New Method For Forecasting Stock Prices Using Artificial Neural Network and Wavelet Theory, Ph.D. Thesis, University of Pennsylvania.
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, 24(2), 205-210.
Chu, S. H., and Freund, S. (1996). Volatility Estimation for Stock Index Options: A GARCH Approach. The Quarterly Review of Economics and Finance, 36(4), 431-450.
Cox, J. C., Ross, S. A., and Rubinstein, M. (1979). Options Pricing: A Simplified Approach. Journal of Financial Economics, 7(3), 229-263.
Coats, P. K., and Fant, L. F. F. (1993). Recognizing Financial Distress Patterns Using a Neural Network Tool. Financial Management, 2, 142-155.
Corrado, Charles and Su T. (1998). An Empirical Test of the Hull-White Option Pricing Model. Journal of Futures Markets, 18(4), 363-378.
Duan, J. C. (1995). The GARCH Option Pricing Model. Mathematical Finance, 5(1), 13-32.
Engle, R. F. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom in Action. Econometrica, 50(4), 987-1007.
French, K. R., Schwert, G. W., and Stambaugh, R. F. (1987). Expected Stock Returns and Volatility. Journal of Financial Economics, 19(1), 3-29.
Gemmill, G. (1986). The Forecasting Performance of Stock Options on the London Traded Options Market. Journal of Business Finance and Accounting, 13(4), 535-546.
Gwilym, O. A., and Buckle, M. (1999). Volatility Forecasting in the Framework of the Option Expiry Circle. European Journal of Finance, 5(1), 73-94.
Gwilym, O. A. (2001). Forecasting Volatility for Options Pricing for the U.K Stock Market. Journal of Financial Management and Analysis, 14(1), 55-62.
Hauser, S., and Lauterbach, B. (1997). The Relative Performance of Five Alternative Warrant Pricing Models. Financial Analyst Journal, 53, 55-61.
Hebb, D. (1949). The Organization of Behavior. New York: John Wiley.
Hopfield, J. J. (1982). Neural Networks and Physical Systems with Emergent Collective Computational Abilities. Processings of the National Academy of Sciences, 79(8), 2554-2558.
Hull, J., and White, A. (1987). The Pricing of Options on Assets with Stochastic Volatilities. Journal of Finance, 42(2), 281-300.
Hutchinson, J. M., Lo, A. W., and Poggio, T. (1994). A Nonparametric Approach to Pricing and Hedging Derivative Securities via Learning Networks. Journal of Finance, 49(3), 851-859.
Kim, I. J., and Kim, S. (2004), Empirical Comparison of Alternative Stochastic Volatility Option Pricing Models:Evidence from Korean KOSPI 200 index options market. Pacific-Basin Finance Journal, 12, 117-142.
Latane, H.; and Rendleman, R.J. (1976). Standard Deviations of Stock Price Ratios Implied in Option Price. Journal of Finance, 31, 369-381.
Lauterbach, B., and Schultz, P. (1990). Pricing Warrants: An Empirical Study of the Black-Scholes Model and Its Alternatives. Journal of Finance, 45(4), 1181-1209.
Lin, C. T., and Yeh, H. Y. (2005). The Valuation of Taiwan Stock Index OptionPrices—Comparison of Performances between Black- Scholes and Neural Network Model. Journal of Statistics and Management Systems, forthcoming.
MacBeth, J. D., and Merville, L. J. (1979). An Empirical Examination of the Black-Scholes Call Option Pricing Model. Journal of Finance, 34(5), 1173-1186.
Malliaris, M., and Salchenberger, L. (1996). Using Neural Networks to Forecast the SandP 100 Implied Volatility. Neurocomputing, 10(2), 183-195.
McCulloch, W. S., and Pitts, W. H. (1943). A Logical Calculus of the Ideas Immanent in Nervous Activity. Bulletin of Mathematical Biophysics, 5(1), 115-133.
Merton, R.C. (1976). Option pricing when underlying stock returns are dis continuous. Journal of Financial Economics, 3, 125-144.
Meissner, G., and Kawano, N. (2001). Capturing the Volatility Smile of Options on High-tech Stocks—A Combined GARCH-neural Network Approach. Journal of Economics and Finance, 25(3), 276-292.
Minsky, M. L., and Papert, S. S. (1969). Perceptrons, Cambridge, MA: MIT Press.
Qi, M. (1999). Nonlinear Predictability of Stock Returns Using Financial and Economic Variables. Journal of Business and Economic Statistics, 17(4), 419-429.
Rosenblatt, F. (1958). The Perception, a Probabilistic Model for Information Storage and Organization in Brain. Psychological Review, 62(3), 386-408.
Rumelhart, D. E., Hinton, G. E., and Williams, R. J. (1986). Parallel Distributed Processing Vol. I: Foundations, MIT Press, Cambridge, MA.
Schwartz, E. S. (1977). The Valuation of Warrants: Implementing a New Approach. Journal of Financial Economics, 4(1), 79-93.
Schmalensee, R., and Trippi, R. (1978). Common Stock Volatility Expectations Implied by Option Premia. Journal of Finance, 33, 129-147.
Schoneburg, E. (1990). Stock Price Prediction Using Neural Networks: A Project Report. Neurocomputing, 2(1), 17-27.
Sheikh, A. M. (1991). Transaction Data Test of SandP 100 Call Option Pricing. Journal of Finance and Quantitative Analysis, 26(4), 459-475.
Tam, K. T., and Kiang, M. Y. (1992). Managerial Applications of NeuralNetworks:The case of Bank Failure Predictions. Management Science, 38, 926-947.
Vasilellis, G. A., and Meade, N. (1996). Forecasting Volatility for Portfolio Selection. Journal of Business Finance and Accounting, 23, 125-143.
Warner, B., and Misra, M. (1996). Understanding Neural Networks as Statistical Tools. The American Statistician, 50(4), 284-293.
Wilson, R. L., and Sharda, R. (1994). Bankruptcy Prediction using neural networks. Decision Support System, 11, 545-557.
Wu, S. I., and Lu, R. P. (1993). Combining artificial neural networks and statistics for stock-market forecasting. Proceedings of ACM Computer Science Conference, 257-264.
Yao, J., Li, Y., and Tan, C. L. (2000). Option Price Forecasting Using Neural Networks. Omega, 28(4), 455-466.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 吳宗正、溫敏杰和侯惠月(2001),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,36,頁91-109。
2. 吳宗正、溫敏杰和侯惠月(2001),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,36,頁91-109。
3. 巫春洲(2002),認購權證價格行為之實證研究,管理學報,19(4),759-779。
4. 巫春洲(2002),認購權證價格行為之實證研究,管理學報,19(4),759-779。
5. 李天行、邱志洲(2000),類神經網路於現貨開盤指數之預測—以新加坡交易所日經指數期貨為例,亞太管理評論,5(4),557-570。
6. 李天行、邱志洲(2000),類神經網路於現貨開盤指數之預測—以新加坡交易所日經指數期貨為例,亞太管理評論,5(4),557-570。
7. 李天行、陳能靜和蔡榮裕(2001),現貨盤後期貨交易資訊內涵之研究—以新加坡交易所日經225指數期貨為例,管理學報,18(4),567-588。
8. 李天行、陳能靜和蔡榮裕(2001),現貨盤後期貨交易資訊內涵之研究—以新加坡交易所日經225指數期貨為例,管理學報,18(4),567-588。
9. 周宗南、劉瑞鑫(2005),演化式類神經網路應用於台股指數報酬率之預測,財金論文叢刊,3,77-94。
10. 周宗南、劉瑞鑫(2005),演化式類神經網路應用於台股指數報酬率之預測,財金論文叢刊,3,77-94。
11. 林文政、臧大年(1996),台灣股指期貨定價與套利實務問題探討,證券市場發展季刊,8(3),1-31。
12. 林文政、臧大年(1996),台灣股指期貨定價與套利實務問題探討,證券市場發展季刊,8(3),1-31。
13. 林丙輝、王明傳(2001),台灣證券市場股票認購權證評價與避險之實證研究,證券市場發展,13(1),1-29。
14. 林丙輝、王明傳(2001),台灣證券市場股票認購權證評價與避險之實證研究,證券市場發展,13(1),1-29。
15. 倪衍森、吳曼華和鄭亦妏(2005),在Black-Scholes評價模型下台指選擇權最是波動性估計方法之研究, 管理科學研究,2(1),93-109。