比較不同波動率模型下台灣股票選擇權之評價績效

Comparison of Performances of Taiwan Stock Option Pricing with Different Volatility Models

李沃牆(Wo-Chiang Lee) ； 張克群(Ke-Chiun Chang)

《真理財經學報》 14期 (2006/06) Pp. 71-96

https://doi.org/10.29963/TOJEB.200606.0003

摘要

本文利用2003年1月1日至2003年12月31日間在台灣期貨交易所發行之台灣股票選擇權，應用Neuro-Fuzzy評價模型，分別搭配四種波動率模型，歷史波動率、隱含波動率、GARCH波動率、GJR-GARCH波動率，對台灣七檔股票選擇權進行評價與套利。評價績效之指標為平均絕對誤差(MAE)、平均絕對誤差率(MAPE)、誤差均方根(RMSE)與Theil's U 進行評估，並且利用Mann-Whitney-Wilcoxon檢定。
研究結果顯示，在搭配不同波動率下之Neuro-Fuzzy評價模型的績效，以歷史波動率、GARCH波動率、GJR-GARCH波動率評價績效最好。在套利方面，分別對七檔股票選擇權進行套利交易模擬，研究結果發現，有五檔股票選擇權可獲得超額報酬。

關鍵字

股票選擇權 ； 類神經網路 ； 模糊理論 ； 調適性類神經模糊推論模型 ； 波動率模型

並列摘要

The study is based on the transaction data from the Taiwan stock option issued by TIFEX from January 1, 2003 to December 31, 2004. Applying Neuro-Fuzzy with four volatility models, namely historical volatility, implied volatility, GARCH volatility, GJR-GARCH volatility to the pricing and arbitraging of seven stock options. Further the study evaluates the efficiency of pricing performance of Neuro-Fuzzy models on the prices of the stock option. The MAE, MAPE, MSE, Theil's U and Mann-Whitney-Wilcoxon test are applied to evaluate the pricing performance.
Empirical results show that pricing performance of historical volatility, GARCH volatility, GJR-GARCH volatility is better than implied volatility models. Among seven stock options return, we find that the five obtain excess return.

並列關鍵字

stock options ； ANN ； Fuzzy ； ANFIS ； volatility model

參考文獻

王國軒(2003)。運用不同類神經網路與模糊理論評價認購權證比較之研究。臺北大學企業管理學系。

余尚恩(2002)。模糊選擇權評價模型。朝陽科技大學財務金融系。

呂正東(2003)。模糊三項式樹狀選擇權評價模型。大同大學事業經營研究所。

李允中、王小璠、蘇木春(2004)。模糊理論及其應用。台北:全華科技。

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。國立政治大學經濟所。