跳到主要內容

臺灣博碩士論文加值系統

(44.192.20.240) 您好!臺灣時間:2024/02/27 11:53
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:吳尚澤
研究生(外文):Shang-Tza Wu
論文名稱:基於Black-Scholes模型結合粒子群優化的動態選擇權評價模型
論文名稱(外文):A Dynamic PSO ─ Black-Scholes Option Pricing Model
指導教授:陳煜璋陳煜璋引用關係
指導教授(外文):Yi-Chang Chen
口試委員:陳煜璋
口試委員(外文):Yi-Chang Chen
口試日期:2014-01-24
學位類別:碩士
校院名稱:國立屏東商業技術學院
系所名稱:資訊管理系(所)
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:2014
畢業學年度:102
語文別:中文
論文頁數:61
中文關鍵詞:選擇權評價粒子群演算法動態修正模型BS模型
外文關鍵詞:Option PricingParticle Swarm OptimizationDynamic RevisionNormal Distribution
相關次數:
  • 被引用被引用:0
  • 點閱點閱:239
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
  若能在金融市場掌握價格波動的變化即能掌握投資先機,因此許多學者以金融商品評價理論為其研究重心,例如Black-Scholes模型定義了多項假設使評價結果不易貼近真實市場價格。有鑑於此,本研究探討不同投資環境下選擇權的價格波動,建立出能動態修正選擇權價格的評價模型(PSO-BS模型)來嘗試修正Black-Scholes模型的常態機率分配表,使評價結果更貼近真實的商品價格。實證模擬中以台灣證交所發行的加權股價指數為實驗對象,其可驗證本研究所提的動態評價模型於不同投資條件下擁有動態的評價能力。實驗結果顯示本研究模型的平均絕對誤差值(MAE)優於Black-Scholes模型,可見研究所提之模型確實可行。
  In the financial market, to analyze the trends of price change is capable to predominate the investment opportunities. Therefore, many scholars and researchers focused on the pricing theories of financial commodity, for example, the Black-Scholes option pricing model, but its arguments are predefined by some strongly assumptions. Because of those assumptions, it will be still difficult to evaluate the prices to real markets. Therefore, this research would give 4 different conditions and their impacts on option pricing to construct a hybrid-dynamic option pricing model (PSO-BS Option Pricing Model). By revising the controversial normal distribution assumption of traditional pricing model, the study has formed some new look up tables by several investment conditions. Without increasing pricing complexity of commodities, the result of the pricing model is obviously superior to traditional Black-Scholes option pricing model.
目錄:
摘要 I
Abstract II
致謝 III
目錄 IV
表目錄 VI
圖目錄 VII
壹、緒論 1
 一、研究背景與動機 1
 二、研究目的 2
 三、論文架構 4
 四、研究流程 5
貳、文獻探討 6
 一、Black-Scholes選擇權評價模型( BS模型) 6
 二、Corrado-Su選擇權評價模型( CS模型) 8
 三、影響選擇權價格的相關因素 9
 四、粒子群演算法( Particle Swarm Optimization; PSO) 11
 五、修正BS模型的相關文獻 17
 六、小結 17
参、研究方法 19
 一、研究架構 19
 二、資料收集與整理 21
 三、建立實驗模型 22
  (一)、Black-Scholes選擇權評價模型(BS模型) 22
  (二)、Corrado-Su選擇權評價模型(CS模型 23
  (三)、本研究所提之選擇權動態評價模型( PSO-BS模型) 24
 四、評價誤差估計方法 28
肆、實證分析 29
 一、研究資料之統計分析 29
 二、Black-Scholes (BS)評價模型之評價結果分析 36
 三、Corrado-Su (CS)評價模型之評價結果分析 37
 四、PSO-BS動態選擇權評價模型之評價結果分析 37
 五、PSO-BS模型、BS模型、CS模型評價結果之綜合比較 38
伍、結論與建議 47
 一、結論 47
 二、建議 48
參考文獻 49
 
表目錄:
表1、各種參數對選擇權價格的相關性影響 10
表2、次貸發生前後各247個交易日區間之股價波動比較 31
表3、台灣加權股價指數現貨-上漲趨勢期間 32
表4、台灣加權股價指數現貨-上漲盤整期間 33
表5、台灣加權股價指數現貨-下跌趨勢期間 33
表6、台灣加權股價指數現貨-下跌盤整期間 33
表7、台灣加權股價指數選擇權之歷史波動性統計 34
表8、台灣加權股價指數選擇權之隱含波動性統計 34
表9、次貸發生前,隱含波動率在各趨勢分類下之統計量 35
表10、次貸發生後,隱含波動率在各趨勢分類下之統計量 35
表11、次貸發生前、後,以BS模型評價選擇權之MAE誤差值 36
表12、次貸發生前、後,以CS模型評價選擇權之MAE誤差值 37
表13、次貸發生前、後,以PSO-BS模型評價選擇權之MAE誤差值 38
表14、次貸發生前、後,PSO-BS模型與BS模型、CS模型之MAE誤差值 39
 
圖目錄:
圖1、論文研究流程 5
圖2、區域限制、粒子速度極限方法 15
圖3、研究架構圖 20
圖4、本研究之隱含波動率計算流程 21
圖5、Black-Scholes模型之系統流程圖 23
圖6、Corrado-Su模型之系統流程圖 24
圖7、PSO-BS動態修正評價模型之系統流程圖 26
圖8、台灣加權股價指數-研究資料期間 29
圖9、台灣加權股價指數價格波動機率分佈 30
圖10、次貸發生前、後之BS模型評價誤差 31
圖11、PSO-BS、BS、CS等模型於次貸前買權之各趨勢評價MAE值 40
圖12、PSO-BS、BS、CS等模型於次貸前買權之MAE值總平均 41
圖13、PSO-BS、BS、CS等模型於次貸前賣權之各趨勢評價MAE值 41
圖14、PSO-BS、BS、CS等模型於次貸前賣權之MAE值總平均 42
圖15、PSO-BS、BS、CS等模型於次貸後買權之各趨勢評價MAE值 43
圖16、PSO-BS、BS、CS等模型於次貸後買權之MAE值總平均 44
圖17、PSO-BS、BS、CS等模型於次貸後賣權之各趨勢評價MAE值 44
圖18、PSO-BS、BS、CS等模型於次貸後賣權之MAE值總平均 45
圖19、比較評價模型與真實市場價格之絕對誤差值 46
1. Barone-Adesi, G., Engle, R. F., and Mancini, L., “A GARCH Option Pricing Model with Filtered Historical Simulation,” Review of Financial Studies (21:3), May 2008, pp. 1223-1258.
2. Black, F., “Fact and fantasy in the use of options,” Financial Analysis Journal (31:4), July 1975, pp.61-72.
3. Black, F. and Scholes, M., “The Valuation of Option Contracts and a Test of Market Efficiency,” The Journal of Finance(27:2), May 1972, pp.399-417.
4. Black, F., and Scholes, M., “The pricing of options and corporate liabilities,” Journal of Political and Economy (81:3), May 1973, pp. 637-654.
5. Company, R., Navarro, E., Pintos, J.R., and Ponsoda, E., “Numerical Solution of Linear and Nonlinear Black-Scholes Option Pricing Equations,” Computers and Mathematics with Applications (56:3), August 2008, pp. 813-821.
6. Corrado, C. J., Su, T., “SKEWNESS and KURTOSIS in S&;P 500 index returns implied by option prices,” Journal of Financial Research (19:2), Summer 1996, pp. 175-192.
7. Eberhart, R. C., and Shi Y., “Comparison between genetic algorithms and particle swarm optimization,” Evolutionary Programming (25:27) March 1998, pp. 611-616.
8. Hsu, L. Y., Horng, S. J., He, M., Fan, P., Kao, T. W., Khan, M. K., Run, R. S., Lai, J. L., and Chen, R. J., “Mutual funds trading strategy based on particle swarm optimization,” Expert Systems with Applications (38:6) June 2011, pp. 7582-7602.
9. Karpoff, J. M., “The Relation Between Price Changes and Trading Volume: A Survey”, Journal of Financial and Quantitative Analysis (22:1), March 1987, pp.109-126.
10. Kennedy, J., and Eberhart, R., “Particle Swarm Optimization,” IEEE International Conference on Neural Networks (4), December 1995, pp.1942-1948.
11. Lee, S., Lee, J., Shim, D., and Jeon, M., “Binary Particle Swarm Optimization for Black-Scholes Option Pricing,” Knowledge-Based Intelligent Information and Engineering Systems (12:14), September 2007, pp. 85-92.
12. Macbeth, J. D., and Merville, L. J., “An Empirical Examination of the Black-Scholes Call Option Pricing Model,” Journal of Finance (34:5), December 1979, pp. 1173-1186.
13. Panda, S., and Padhy, N. P., “Comparison of particle swarm optimization and genetic algorithm for FACTS-based controller design,” Applied Soft Computing (8:4), September 2008, pp.1418-1427. 14. Rubinstein, M., “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,” The Journal of Finance (40:2), June 1985, pp. 455-480.
15. Shi, Y., and Eberhart, R. C., “A Modified Particle Swarm Optimizer,” In Proceedings of the IEEE International Conference on Evolutionary Computation (4:9), May 1998, pp. 69-73.
16. Shi, Y., and Eberhart, R. C., “Parameter Selection in Particle Swarm Optimization,” Evolutionary Programming (25:27) March 1998, pp. 591-600.
17. Chen, Y. C., Chang, S. L., and Wu, C. C., “A Dynamic Hybrid Option Pricing Model by Genetic Algorithm and Black-Scholes Model,” World Academy of Science, Engineering &; Technology (45) September 2010, pp715-718.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top