5.1
權正向期望值預測模型,雖然對於標的物未來行情的 跌方向未能夠達到精確的掌握,但是對於未來三日可能發生的大波動則可以達
到接 計算方式遠比舊有套用 BS 模型之隱含波動率算
法要方 個
值得機
未 與
賣權所建立的跨、勒式部位,平日在沒有大波動訊號出現時可以享受收取時間價
值的 出有大幅波動發生的時候,則可將賣出的跨、勒式部位
進行買 來的獲 合的交
結論與貢獻
本研究中所建構的選擇 漲
近八成的預測準確率,而且
便快速,同時也不受 BS 模型中與現實市場狀況偏離的假設所干擾,是 構法人及造市者在進行交易時所參考的模型。
來在應用正向期望值預測模型於實務的層面上,可以搭配同時賣出買權
利潤,而在模型偵測
回動作,並且更積極的做出買進跨、勒式部位的動作,享受大幅波動所帶 利。相信在準確率有效提升到八成以上、甚至接近九成時,此模型搭配適 易策略將可帶來良好的投資績效。
5.2 未
由於本研究的重點在於拋磚引玉,由時間價值的基本意義出發,推導出正向 期望值的想法,並初步驗證其具有預測準確度,相信未來可能的研究發展方向還 十分寬廣,有以下幾點:
1. 尋找有理數解的臨界值
由於本研究一開始花費很多時間嘗試過多種可能的指標並進行計算驗 證,因而最後鎖定以 所延伸出的 Δ 指標去作臨界值搜尋的時間 有限,其可能解都限制在整數的部分,未來的研究希望可以將值域擴大到 有理數,所得到的臨界值解應可以再將預測準確率作進一步的提升。
2. 分鐘報價的選取
由於選擇權行情變化率遠大於現貨標的物的價格,因此很可能在一天之內 就可以產生超額報酬或損失,因此將資料來源與預測對象改成分鐘即時報 價,應更能掌握行情變化的趨勢,所得到的行為表現也會更連續。
3. 技術線型的導入
由於ABS(ΔPE)能夠反映出某種程度的投資人行為,則也許套入目前投資 人所廣為使用的KD、MACD等技術線型之後,可以觀察出其短中長期的 趨勢變化,而不僅限於每天所計算的單一數值結果。
4. 次近月報價的切換
選擇權在即將到期的前兩三天,投資人的重心都開始紛紛轉向下個月的選 擇權,而使得近月的選擇權交易漸趨清淡緩和,則可能使得市場效率降
來研究方向
PE ABS( PE)
低,因而無法充分反映出那幾天的行情變化。因此在到期前 N 日就應該 將計算的標的轉成次近月,將可提高預測準確率。N 可從統計方法來取 得,亦可與人工智慧方法作結合,效果應能獲得更進一步的提升。
5. 人工智慧的導入
利用基因演算法、類神經網路等人工智慧方法去動態調整臨界值最佳解。
由於證券市場中有上漲的牛市與下跌的熊市,其間投資人的心態也必然不 同,因此單純以統計方法所得到的固定臨界值很可能無法適應變化的環 境,所以使用人工智慧在一段時間內作動態調整應可以得到更好的預測能 力。
參考文獻
中文部分
台灣期貨交易所, 。
2. 陳威光,選擇權.理論實務與應用
1. http://www.taifex.com.tw/
,民國90年。
文,民國90年。
高慧玲,「在市場異常波動下,不同投資人之反應及其對股價行為的影響」,
15. ,交通大學資
14.
成功大學企業管理研究所碩士論文,民國92年。
曾亦青,「以權益相等理論為基礎之選擇權評價模式實務探討」
訊管理研究所碩士論文,民國93年。
英文部分
S. Natenberg, O
16. ption Volatility & Pricing /Advanced Trading Strategies and Techniques,McGraw-Hill, 1994.
J. Millers, Stock Index Futures an Options
17. , McGraw-Hill, 1997.
18. E. G. Haug., The Complete Guide To Option Pricing Formulas, McGraw-Hill, 1997.
19. J. C. Hull, Introduction to Futures and Options Markets, Prentic-Hall Inc., 1997.
F. Black and Myron S. Scholes, "The pricing of options and cor
20. porate liabilities",
21.
23. apital Markets: A Review of Theory and Empirical Work", Journal of Finance, Vol. 25, pp. 383-417, 1970.
24. J. De Long, Bradford, A. Shleifer, Lawrence H. Summers, and Robert J.
Waldmann, "Positive feedback investment strategies and destabilizing rational speculation", Journal of Finance, Vol. 45, pp. 379-395, 1990.
25. C. A. Ball and A. Roma, "Stochastic Volatility Option Pricing", Journal of Financial and Quantitative Analysis, Vol. 29, pp. 589-607, 1994.
26. J.C. Duan, "The GARCH option pricing model", Mathematical Finance, Vol. 5, pp.13-32, 1995.
27. R. F. Engle and C. Mustafa, "Implied ARCH Models from Option Prices", Journal of Econometrics, Vol. 52, pp. 289-311, 1992.
Journal of Political Economy, Vol. 81, pp. 637-659, 1973.
J. C. Cox, S. A. Ross and M. Rubinstein, "Option Pricing: a simplified approach", Jpurnal of Financial Economics, pp. 229-263, 1979.
22. N. Close, "Price reaction to large transactions in the Canadian equity market", Financial Analyst Journal, Vol. 31, pp. 173-199, 1975.
E. F. Fama, "Efficient C
28. L. Scott," Option Pricing When Variance Changes Randomly: Theory, Estimation and An Application", Journal of Financial and Quantitative Analysis, Vol. 4, pp.
727-752, 1987.
29. J. B. Wiggins, " Option Values under Stochastic Volatility: Theory and Empirical Evidence" Journal of Financial Economics, Vol. 19. pp. 351- 372, 1987.
30. G. W. Schwert, "Why Does Stock Market Volatility Change Over Time", Journal of Finance, Vol. 44, pp. 1115-1153, 1989.
31. G. W. Schwert, "Margin Requirements and Stock Volatility", Journal of Financial Services Research, Vol. 3, pp. 153-164, 1989.
32. F. Black, "Studies of Stock Price Volatility Changes", Proceeding of the 1976 Meetings of the Business and Economics Statistics Section, American Statistical Association, pp. 177-181, 1976.
33. Gurdip Bakshi, Charles Cao, Zhiwu Chen, "The Empirical Performance of Alternative Option Pricing Models", Journal of Finance, Vol.52, No. 5(Dec, 1997), pp. 2003-2049, 1997.