基因演算法自動演化之類神經網路在選譯權評價及避險之研究：分析與實證

A Genetic Adaptive Neural Network Approach to Options Pricing and Hedging: Analysis and Evidence

10.6382/JIM.200101.0063

陳安斌(An-Pin Chen)；張志良(Camus Chang)

選擇權 ； 基因演算法 ； 類神經網路 ； 評價 ； 避險 ； Option ； Genetic algorithm ； Neural network ； Pricing ； Hedging

資訊管理學報

7卷2期（2001 / 01 / 01）

63 - 80

繁體中文

類神經網路具有學習與高速計算之能力，再加上非線性處理與容錯之特性，使其在行為預測上表現相當優異，雖過去曾有多篇文獻使用類神經網路對選擇權進行評價，但至今尚未見其在避險上之運用，本研究運用基因演算法自動演化之類神經網路，掌握特定認購權證之時間價值與避險比例行為，以進行價格預測與避險模擬。實證結果顯示，以類神經網路為基礎之方法，針對台灣已到期之十五檔認購權證，不論在評價上之解釋能力與誤差程度，或在避險上之風險暴露與獲利均優於BS模型，即表示在台灣認購權證市場中，基因演算法自動演化之類神經網路能提供一個比BS模型更能精準評價，以及更有效率避險的模型。

Neural networks have the ability of learning and performing high-speed calculations, also with nonlinear processing and tolerance of faults, its prediction faculty becomes quite outstanding. Although most literature is available on options pricing via neutral networks, little attention has been paid to hedging. This study applies the genetic adaptive neural network to the pricing and hedging of warrants via utilizing the pattern of specific warrants time value and 'Delta' behavior. The empirical results indicate that the method based on neural networks excels the BS model in interpretive capability and error degrees on pricing, risk exposure and profits on hedging. It means that in the Taiwanese warrant market, the proposed model can provide a more accurate pricing and efficient hedging model than the BS model.

1. Black, F.,Scholes, M. S.(1973).The Pricing of Options and Corporate Liabilities.Journal of Political Economy,81(3)
2. Cox, J. C.,Ross, S. A.,Rubinstein, M.(1979).Option Pricing: A Simplified Approach.Journal of Financial Economics,7(3)
3. Hanke, M.(1997).Neural network approximation of option-pricing formulas for analytically intractable option-pricing models.Journal of Computational Intelligence in Finance,5(5)
4. 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,7(1)
5. Lajbcygier, P.(1996).Comparing conventional and artificial neural network models for the pricing of options on futures.Journal of Computational Intelligence in Finance,4(5)
6. White, A. J.(1998).A genetic adaptive neural network approach to pricing options: a simulation analysis.Journal of Computational Intelligence in Finance,6(2)
7. 李沃牆 Lee, Wo-Chiang(1998)。中國財務學會年會。
8. 李沃牆 Lee, Wo-Chiang(1998)。計算智慧在選擇權定價上的發展。國立政治大學經濟研究所。
9. 李沃牆 Lee, Wo-Chiang(1997)。台灣經濟學會年會。
10. 陳安斌 Chen, An-Pin、張志良 Chang, Camus(2000)。運用類神經網路在選擇權評價及避險之研究。中華管理評論 Web Journal of Chinese Management Review，3(1)
11. 陳安斌 Chen, An-Pin、張志良 Chang, Camus(2000)。中國財務學會財務金融學術暨實務研討會。
12. 陳安斌 Chen, An-Pin、張志良 Chang, Camus(1999)。國立中央大學財務金融研討會。
13. 陳安斌 Chen, An-Pin、張志良 Chang, Camus(2000)。現代財務論壇－理論與實務研討會。
14. 陳怡和(1997)。運用類神經網路在外匯選擇權評價模式之實證研究。國立交通大學資訊管理研究所。
15. 黃銘信(1998)。不同股票變動率下認購權證避險之實證研究。國立交通大學資訊管理研究所。
16. 葉怡成(1994)。類神經網路模式應用與實作。台北:儒林圖書公司。

1. 葉仕國、張森林、林丙輝(2016)。台灣衍生性金融商品定價、避險與套利文獻回顧與展望。臺大管理論叢，27(1)，255-304。
2. 葉怡成、黃冠傑、陳重志(2008)。具自適應核形狀參數的徑向基底函數網路。資訊管理學報，15(2)，135-154。