中 華 大 學 碩 士 論 文
題目:台股認購權證價格預測-BS 模型與類神經網路 之比較
系 所 別:土木與工程資訊學系碩士班 學號姓名:M09304036 陳定中 指導教授:葉怡成 博 士
中華民國 九十五 年 八 月
摘要
本研究利用倒傳遞神經網路(BPN)與分析調整綜合網路(AASN) 配合歷史波動率,來預測台灣認購權證的理論價格,與B-S 模型預測 價做比較。結果發現,在價格預測部分, B-S 模型配合隱含波動率 之預測權證價格結果最佳,而類神經網路單一標的物模型預測價格次 之,再其次為類神經網路綜合標的物模型預測價格,B-S 模型配合隱 含波動率所預測之權證價格準確度最差。而在權證預測價格對實際價 格的解釋能力上, B-S 模型配合隱含波動率之預測權證價格結果最 佳,而類神經網路綜合標的物模型次之,再其次為類神經網路單一標 的物模型,B-S 模型配合隱含波動率所預測之權證價格準確度最差。
關鍵字:選擇權、認購權證、B-S 模型、類神經網路、回歸分析
致謝
首先感謝恩師 葉怡成老師在我碩士期間的悉心指導。葉老師求學不 倦、認真負責的態度給了我莫大的學習典範。無論在專業的知識或寫 作及思考方式上,讓我獲益良多。對老師的感恩之意所未盡者尚有千 萬,在此謹致最真摯的感謝。
感謝徐正義老師、鄭雅穗老師於口試期間細心指正並提供諸多寶 貴的建議,使本文疏漏之處得以改進,更臻完善。
感謝ANN研究室成員們,學長振民、冠傑、宗原、少宣、立川、仲 宏、豐銘、同宇、小花、學姐佩嵐、逸靚,同學皓博、柏愷、陳安、
贊仁、裕宗,朋友維亨、世欽、恆愉及許多的好朋友…等,在我求學 生活中的關心、鼓勵與幫助,陪我度過許多難關。
最後感謝我最愛的家人,對我無怨無悔的付出,讓我無後顧之憂 的專注在我的學業上,今後我若有任何成就,其榮耀皆應屬於我父母 及老師的栽培,在此獻上我最真摯的感謝。
我堅信「ㄧ分耕耘雖不見得有ㄧ分收穫,但沒有耕耘絕對沒有收 穫」。碩士班的耕耘即將在此論文的完稿告一段落,希望這些耕耘可 以成就新的開始。
定中
目錄
摘要... I 致謝... II 目錄...III 圖目錄...V 表目錄...X
第一章 前言...1
1-1 研究背景...1
1-2 研究方法...2
1-3 研究內容...4
第二章 文獻回顧...6
2-1 選 擇 權 與認購權證 ...6
2-1-1 選擇權...6
2-1-2 認購權證...6
2-1-3 選擇權專有名詞...8
2-2B
LACK
-SCHOLES
評 價 模 型 簡介...102-3 類神經網路...13
2-3-1 BPN倒傳遞神經網路 ...14
2-3-2 AASN分析調整綜合網路 ...16
2-4 選擇權績效評價應用之相關文獻...20
2-4-1 B-S模型應用於選擇權定價...20
2-4-2 類神經網路應用於選擇權定價...26
第三章 基於B-S模型之評價 ...30
3-1 前言...30
3-2B-S實證模型 ...31
3-2-1 樣本來源...31
3-2-2 B-S模型參數估計...32
3-3B-S模型分析結果 ...34
3-3-1 B-S模型分析結果...34
3-3-2 績效評估...59
3-3-3 預測價格與實際價格之關係...61
3-4B-S模型輸入因子影響之分析 ...64
3-5 結論...67
第四章 基於類神經網路之評價...68
4-1 前言...68
4-2 類神經網路分析...68
4-3 類神經網路分析結果...70
4-3-1 分析結果...71
4-3-2 績效評估...103
4-3-3 預測價格與時際價格關係...103
4-4 類神經網路與B-S模型輸入因子影響之比較...110
4-5 結論...112
第五章 結論與建議...114
5-1 結論...114
5-2 建議...117
參考文獻...119
附錄A類神經網路模型所使用之權證資料...125
附錄B B-S模型散佈圖...126
附錄C類神經網路模型散佈圖...134
圖目錄
圖 1-1 研究流程圖 ...5
圖 2-1 人工神經元模型 ...14
圖 2-2 BPN倒傳遞網路模型 ...15
圖 2-3 隱藏層輸出層非線性轉換函數 ...15
圖 2-4 AASN分析調整綜合網路模型 ...16
圖 2-5 分析次網路轉換函數 ...18
圖 2-6 綜合次網路轉換函數 ...18
圖 3-1 歷史波動率與隱含波動率走勢比較:中鋼 ...35
圖 3-2 股票現貨價與權證履約價走勢比較:中鋼 ...35
圖 3-3 實際權證價對預測權證價折線圖:歷史波動率 ...36
圖 3-4 實際權證價對預測權證價折線圖:隱含波動率 ...36
圖 3-5 歷史波動率與隱含波動率走勢比較:中環 ...37
圖 3-6 股票現貨價與權證履約價走勢比較:中環 ...37
圖 3-7 實際權證價對預測權證價折線圖:歷史波動率 ...37
圖 3-8 實際權證價對預測權證價折線圖:隱含波動率 ...37
圖 3-9 歷史波動率與隱含波動率走勢比較:仁寶 ...38
圖 3-10 股票現貨價與權證履約價走勢比較:仁寶 ...38
圖 3-11 實際權證價對預測權證價折線圖:歷史波動率 ...39
圖 3-12 實際權證價對預測權證價折線圖:隱含波動率 ...39
圖 3-13 歷史波動率與隱含波動率走勢比較:友達 ...40
圖 3-14 股票現貨價與權證履約價走勢比較:友達 ...40
圖 3-15 實際權證價對預測權證價折線圖:歷史波動率 ...40
圖 3-16 實際權證價對預測權證價折線圖:隱含波動率 ...40
圖 3-17 歷史波動率與隱含波動率走勢比較:台化 ...41
圖 3-18 股票現貨價與權證履約價走勢比較:台化 ...41
圖 3-19 實際權證價對預測權證價折線圖:歷史波動率 ...42
圖 3-20 實際權證價對預測權證價折線圖:隱含波動率 ...42
圖 3-21 歷史波動率與隱含波動率走勢比較:台塑 ...43
圖 3-22 股票現貨價與權證履約價走勢比較:台塑 ...43
圖 3-23 實際權證價對預測權證價折線圖:歷史波動率 ...43
圖 3-24 實際權證價對預測權證價折線圖:隱含波動率 ...43
圖 3-25 歷史波動率與隱含波動率走勢比較:台達 ...44
圖 3-26 股票現貨價與權證履約價走勢比較:台達 ...44
圖 3-27 實際權證價對預測權證價折線圖:歷史波動率 ...45
圖 3-28 實際權證價對預測權證價折線圖:隱含波動率 ...45
圖 3-30 股票現貨價與權證履約價走勢比較:台積電 ...46
圖 3-31 實際權證價對預測權證價折線圖:歷史波動率 ...46
圖 3-32 實際權證價對預測權證價折線圖:隱含波動率 ...46
圖 3-33 歷史波動率與隱含波動率走勢比較:兆豐金 ...47
圖 3-34 股票現貨價與權證履約價走勢比較:兆豐金 ...47
圖 3-35 實際權證價對預測權證價折線圖:歷史波動率 ...48
圖 3-36 實際權證價對預測權證價折線圖:隱含波動率 ...48
圖 3-37 歷史波動率與隱含波動率走勢比較:宏碁 ...49
圖 3-38 股票現貨價與權證履約價走勢比較:宏碁 ...49
圖 3-39 實際權證價對預測權證價折線圖:歷史波動率 ...49
圖 3-40 實際權證價對預測權證價折線圖:隱含波動率 ...49
圖 3-41 歷史波動率與隱含波動率走勢比較:南亞 ...50
圖 3-42 股票現貨價與權證履約價走勢比較:南亞 ...50
圖 3-43 實際權證價對預測權證價折線圖:歷史波動率 ...51
圖 3-44 實際權證價對預測權證價折線圖:隱含波動率 ...51
圖 3-45 歷史波動率與隱含波動率走勢比較:富邦 ...52
圖 3-46 股票現貨價與權證履約價走勢比較:富邦 ...52
圖 3-47 實際權證價對預測權證價折線圖:歷史波動率 ...52
圖 3-48 實際權證價對預測權證價折線圖:隱含波動率 ...52
圖 3-49 歷史波動率與隱含波動率走勢比較:華邦 ...53
圖 3-50 股票現貨價與權證履約價走勢比較:華邦 ...53
圖 3-51 實際權證價對預測權證價折線圖:歷史波動率 ...54
圖 3-52 實際權證價對預測權證價折線圖:隱含波動率 ...54
圖 3-53 歷史波動率與隱含波動率走勢比較:華碩 ...55
圖 3-54 股票現貨價與權證履約價走勢比較:華碩 ...55
圖 3-55 實際權證價對預測權證價折線圖:歷史波動率 ...55
圖 3-56 實際權證價對預測權證價折線圖:隱含波動率 ...55
圖 3-57 歷史波動率與隱含波動率走勢比較:聯電 ...56
圖 3-58 股票現貨價與權證履約價走勢比較:聯電 ...56
圖 3-59 實際權證價對預測權證價折線圖:歷史波動率 ...57
圖 3-60 實際權證價對預測權證價折線圖:隱含波動率 ...57
圖 3-61 歷史波動率與隱含波動率走勢比較:台指 50 ...58
圖 3-62 股票現貨價與權證履約價走勢比較:台指 50 ...58
圖 3-63 實際權證價對預測權證價折線圖:歷史波動率 ...58
圖 3-64 實際權證價對預測權證價折線圖:隱含波動率 ...58
圖 3-65 B-S模型誤差均方根與格判定係數散佈圖 ...61
圖 3-66 歷史波動率與隱含波動率線性回歸一次項係數關係圖 ...63
圖 3-67 歷史波動率與隱含波動率線性回歸常數項係數關係圖 ...63
圖 3-68 波動率預測價判定係數與現貨價關係圖 ...63
圖 3-69 歷史波動率預測價誤差均方根與現貨價關係圖 ...63
圖 3-70 存續期與權證價格/履約價關係圖 ...64
圖 3-71 波動率與權證價格/履約價關係圖 ...65
圖 3-72 標的物價格/履約價與權證價格/履約價關係圖 ...65
圖 3-73 無風險利率與B-S理論價關係圖 ...66
圖 4-1 現貨價與權證履約價走勢比較:中鋼 ...71
圖 4-3 實際權證價對預測權證價之折線圖: AASN單一模型 ...72
圖 4-2 實際權證價對預測權證價之折線圖: BPN單一模型 ...72
圖 4-4 實際權證價對預測權證價之折線圖: BPN綜合模型 ...72
圖 4-5 實際權證價對預測權證價之折線圖: AASN綜合模型 ...72
圖 4-6 現貨價與權證履約價走勢比較:中環 ...73
圖 4-7 實際權證價對預測權證價之折線圖:BPN單一模型 ...74
圖 4-8 實際權證價對預測權證價之折線圖: AASN單一模型 ...74
圖 4-9 實際權證價對預測權證價之折線圖: BPN綜合模型 ...74
圖 4-10 實際權證價對預測權證價之折線圖: AASN綜合模型 ...74
圖 4-11 現貨價與權證履約價走勢比較:仁寶 ...75
圖 4-12 實際權證價對預測權證價之折線圖: BPN單一模型 ...76
圖 4-13 實際權證價對預測權證價之折線圖: AASN單一模型 ...76
圖 4-14 實際權證價對預測權證價之折線圖: BPN綜合模型 ...76
圖 4-15 實際權證價對預測權證價之折線圖: AASN綜合模型 ...76
圖 4-16 現貨價與權證履約價走勢比較:友達 ...77
圖 4-17 實際權證價對預測權證價之折線圖: BPN單一模型 ...78
圖 4-18 實際權證價對預測權證價之折線圖: AASN單一模型 ...78
圖 4-19 實際權證價對預測權證價之折線圖: BPN綜合模型 ...78
圖 4-20 實際權證價對預測權證價之折線圖: AASN綜合模型 ...78
圖 4-21 現貨價與權證履約價走勢比較:台化 ...79
圖 4-22 實際權證價對預測權證價之折線圖: BPN單一模型 ...80
圖 4-23 實際權證價對預測權證價之折線圖: AASN單一模型 ...80
圖 4-24 實際權證價對預測權證價之折線圖: BPN綜合模型 ...80
圖 4-25 實際權證價對預測權證價之折線圖: AASN綜合模型 ...80
圖 4-26 現貨價與權證履約價走勢比較:台塑 ...81
圖 4-27 實際權證價對預測權證價之折線圖: BPN單一模型 ...82
圖 4-28 實際權證價對預測權證價之折線圖: AASN單一模型 ...82
圖 4-29 實際權證價對預測權證價之折線圖: BPN綜合模型 ...82
圖 4-30 實際權證價對預測權證價之折線圖:AASN綜合模型 ...82
圖 4-31 現貨價與權證履約價走勢比較:台達 ...83
圖 4-32 實際權證價對預測權證價之折線圖: BPN單一模型 ...84
圖 4-33 實際權證價對預測權證價之折線圖: AASN單一模型 ...84
圖 4-34 實際權證價對預測權證價之折線圖: BPN綜合模型 ...84
圖 4-35 實際權證價對預測權證價之折線圖: AASN綜合模型 ...84
圖 4-36 現貨價與權證履約價走勢比較:台積電 ...85
圖 4-37 實際權證價對預測權證價之折線圖: BPN單一模型 ...86
圖 4-38 實際權證價對預測權證價之折線圖: AASN單一模型 ...86
圖 4-39 實際權證價對預測權證價之折線圖: BPN綜合模型 ...86
圖 4-40 實際權證價對預測權證價之折線圖: AASN綜合模型 ...86
圖 4-41 現貨價與權證履約價走勢比較:兆豐金 ...87
圖 4-42 實際權證價對預測權證價之折線圖: BPN單一模型 ...88
圖 4-43 實際權證價對預測權證價之折線圖: AASN單一模型 ...88
圖 4-44 實際權證價對預測權證價之折線圖: BPN綜合模型 ...88
圖 4-45 實際權證價對預測權證價之折線圖: AASN綜合模型 ...88
圖 4-46 現貨價與權證履約價走勢比較:宏碁 ...89
圖 4-47 實際權證價對預測權證價之折線圖: BPN單一模型 ...90
圖 4-48 實際權證價對預測權證價之折線圖: AASN單一模型 ...90
圖 4-50 實際權證價對預測權證價之折線圖: AASN綜合模型 ...90
圖 4-49 實際權證價對預測權證價之折線圖: BPN綜合模型 ...90
圖 4-51 現貨價與權證履約價走勢比較:南亞 ...91
圖 4-52 實際權證價對預測權證價之折線圖: BPN單一模型 ...92
圖 4-53 實際權證價對預測權證價之折線圖: AASN單一模型 ...92
圖 4-54 實際權證價對預測權證價之折線圖: BPN綜合模型 ...92
圖 4-55 實際權證價對預測權證價之折線圖: AASN綜合模型 ...92
圖 4-56 現貨價與權證履約價走勢比較:富邦 ...93
圖 4-57 實際權證價對預測權證價之折線圖: BPN單一模型 ...94
圖 4-58 實際權證價對預測權證價之折線圖: AASN單一模型 ...94
圖 4-59 實際權證價對預測權證價之折線圖: BPN綜合模型 ...94
圖 4-60 實際權證價對預測權證價之折線圖: AASN綜合模型 ...94
圖 4-61 現貨價與權證履約價走勢比較:華邦 ...95
圖 4-62 實際權證價對預測權證價之折線圖: BPN單一模型 ...96
圖 4-63 實際權證價對預測權證價之折線圖: AASN單一模型 ...96
圖 4-64 實際權證價對預測權證價之折線圖: BPN綜合模型 ...96
圖 4-65 實際權證價對預測權證價之折線圖: AASN綜合模型 ...96
圖 4-66 現貨價與權證履約價走勢比較:華碩 ...97
圖 4-67 實際權證價對預測權證價之折線圖: BPN單一模型 ...98
圖 4-68 實際權證價對預測權證價之折線圖: AASN單一模型 ...98
圖 4-69 實際權證價對預測權證價之折線圖: BPN綜合模型 ...98
圖 4-70 實際權證價對預測權證價之折線圖: AASN綜合模型 ...98
圖 4-71 現貨價與權證履約價走勢比較:聯電 ...99
圖 4-72 實際權證價對預測權證價之折線圖: BPN單一模型 ...100
圖 4-73 實際權證價對預測權證價之折線圖: AASN單一模型 ...100
圖 4-74 實際權證價對預測權證價之折線圖: BPN綜合模型 ...100
圖 4-75 實際權證價對預測權證價之折線圖: AASN綜合模型 ...100
圖 4-76 現貨價與權證履約價走勢比較:台指 50 ...101
圖 4-77 實際權證價對預測權證價之折線圖: BPN單一模型 ...102
圖 4-78 實際權證價對預測權證價之折線圖: AASN單一模型 ...102
圖 4-79 實際權證價對預測權證價之折線圖: BPN綜合模型 ...102
圖 4-80 實際權證價對預測權證價之折線圖: AASN綜合模型 ...102
圖 4-81 BPN單一標的物標的物權證預測價格判定係數與現貨價關係圖 ...105
圖 4-82 AASN單一標的物權證預測價格判定係數與現貨價關係圖 ...105
圖 4-83 BPN綜合標的物權證預測價格判定係數與現貨價關係圖 ...105
圖 4-84 AASN綜合標的物權證預測價格價判定係數與現貨價關係圖 ...105
圖 4-85 BPN單一標的物權證預測價格誤差均方根與現貨價關係圖 ...106
圖 4-86 AASN單一標的物權證預測價格誤差均方根與現貨價關係圖 ...106
圖 4-87 BPN綜合標的物權證預測價格誤差均方根與現貨價關係圖 ...106
圖 4-88 AASN綜合標的物權證預測價格誤差均方根與現貨價關係圖 ...106
圖 4-89 BPN單一標的物線性迴歸一次項與現貨價關係圖 ...108
圖 4-90 AASN單一標的物線性迴歸一次項與現貨價關係圖 ...108
圖 4-91 BPN綜合標的物線性迴歸一次項與現貨價關係圖 ...108
圖 4-92 AASN綜合標的物線性迴歸一次項與現貨價關係圖 ...108
圖 4-93 BPN單一標的物線性迴歸常數項與現貨價關係圖 ...109
圖 4-94 AASN單一標的物線性迴歸常數項與現貨價關係圖 ...109
圖 4-95 BPN綜合標的物線性迴歸常數項與現貨價關係圖 ...109
圖 4-96 AASN綜合標的物線性迴歸常數項與現貨價關係圖 ...109
圖 4-97 存續期與權證價格/履約價比較圖 ...110
圖 4-98 波動率與權證價格/履約價比較圖 ...111
圖 4-99 標的物價格/履約價與權證價格/履約價比較圖 ...111
圖 4-100 無風險利率與B-S理論價比較圖 ...112
表目錄
表 2-1 價內、價外及價平選擇權 ...9
表 2-2 BPN、AASN兩種神經網路異同 ...19
表 3-1 標的物與權證 ...32
表 3-2 中鋼基本統計量分析 ...35
表 3-3 中環基本統計量分析 ...36
表 3-4 仁寶基本統計量分析 ...38
表 3-5 友達基本統計量分析 ...39
表 3-6 台化基本統計量分析 ...41
表 3-7 台塑基本統計量分析 ...42
表 3-8 台達基本統計量分析 ...44
表 3-9 台積電基本統計量分析 ...45
表 3-10 兆豐金基本統計量分析 ...47
表 3-11 宏碁基本統計量分析 ...48
表 3-12 南亞基本統計量分析 ...50
表 3-13 富邦基本統計量分析 ...51
表 3-14 華邦基本統計量分析 ...53
表 3-15 華碩基本統計量分析 ...54
表 3-16 聯電基本統計量分析 ...56
表 3-17 台指 50 基本統計量分析 ...57
表 3-18 誤差均方根與判定係數比較表 ...60
表 3-19 線性迴歸方程式一次項係數與常數 ...62
表 3-20 影響認購權證價格對履約價比率之直接因素表 ...66
表 4-1 類神經網路參數設定 ...70
表 4-2 中鋼基本統計量分析 ...71
表 4-3 中環基本統計量分析 ...73
表 4-4 仁寶基本統計量分析 ...75
表 4-5 友達基本統計量分析 ...77
表 4-6 台化基本統計量分析 ...79
表 4-7 台塑基本統計量分析 ...81
表 4-8 台達基本統計量分析 ...83
表 4-9 台積電基本統計量分析 ...85
表 4-10 兆豐金基本統計量分析 ...87
表 4-11 宏碁基本統計量分析 ...89
表 4-12 南亞基本統計量分析 ...91
表 4-13 富邦基本統計量分析 ...93
表 4-15 華碩基本統計量分析 ...97
表 4-16 聯電基本統計量分析 ...99
表 4-17 台指五十基本統計量分析 ...101
表 4-18 誤差均方根與判定係數比較表 ...104
表 5-1 各模型誤差均方根與判定係數之比較表 ...116
表 5-2 各模型迴歸分析乘係數
A
與常係數B
之比較表...116第一章 前言
1-1 研究背景
國內金融市場逐漸開發,各種衍性金融商品陸續由國外引進,促 成國內金融商品的多元化,也使得投資人對於各種新興金融商品不再 陌生。近年來,政府積極推動亞太金融中心,加速金融市場國際化,
以增加國內投資人投資與避險的管道,「證管會」(現為證期局)於 1997 年 6 月正式推出台股認購權證(warrant)。台股認購權證類似 美式股票選擇權之「買權」,兩者差異在於認購權證距到期日期間比 股票選擇權長。一般而言,股票選擇權的存續期間往往只有三到五個 月,而認購權證的存續期間則介於半年至一年之間,有時甚至於多於 一年。
選擇權評價方式一直是學術研究與實務運用所關注的焦點,早在 Black 和 Scholes 兩位學者推導出著名的 B-S 模型[27]以前,就已經有 很多學者嘗試推導股票及認股權證的價值。最早可以追溯至1900 年 的Louis Bachelier 假設股價符合算術布朗寧運動(Arithmetic Brownian Motion),因此股價可能出現負的現象,同時該模型必需在風險中立 的假設下才成立。爾後, Sprenkle(1964)、Boness(1964)和 Samuelson
(1965)等相繼提出三個與 B-S 模型相近的評價方式。Black 和 Scholes 於1973 年提出的 B-S 模型主要概念是假設有一投資組合,包含股票 及買權,藉由調整適當的避險比率,可使投資組合在短時間內達到無 風險狀態。因此在無套利情形下,該投資組合應可賺得無風險報酬。
Black 和 Scholes 藉由無風險投資組合得到買權對股價及時間的偏微 分方程式,另外再加上到期日買權價值的邊界條件,而得到買權公式
出修正假設後的B-S 模型,但是評價的結果與現實情況仍有乖離,無 法精確地掌握市場價格變動,即使是被廣泛運用的「二項式評價模型」
(binomial options pricing model,BOPM)預測能力也是有限,所以 實際運用上一直沒有令人滿意的評價方式。直到90 年代,由於人工 智慧技術(artificial intelligence,AI)的發達,被廣泛運用在不同領 域的研究,其中以「類神經網路」(artificial neural networks,ANN)
最常被運用在財務領域裡。實證研究也顯示,在台灣股票認購權證市 場上,運用類神經網路評價績效優於B-S 模型和二項式模型
[10]
。本研究之目的在於利用台灣金融市場權證資料建構出合理的評 價模式。
1-2 研究方法
自從Black and Scholes 發表了著名的選擇權模型之後,選擇權評 價理論隨即受到金融學術界的重視,成為日後學者們研究的重點項 目。但 B-S 模型理論充滿了許多與現實狀況不相符的完美假設,因 此,引發後續學者們針對該模型提出了許多放寬假設與修正模型,如 Merton 先放寬了無風險利率為隨機值、二項式及三項式模型、隨機 波動模型等。近幾年來更是利用了不同的技術提出了許多不同的評價 模型,如類神經網路模型。對於這些修正後的模型,經許多學者針對 不同標的物進行實證研究比較,證實其結果大多能優於B-S 模型之評 價結果。
由於台灣認購權證的發行是衍生性金融商品的一個重大突破,為 了使市場更健全,尚有許多實務上的問題有待解決。而就投資者的角 度而言,如何能夠對權證做出正確的定價以利其做投資或避險決策是 投資者最關心的問題。
認購權證為「買進買權」(call option),屬於衍生性金融商品 之一,故適用於財務領域的選擇權評價模型。Black 和 Scholes 於 1973 年首先推導出歐式選擇權評價模型,同年芝加哥的選擇權交易所也開 始交易選擇權商品。B-S 選擇權評價模型的提出為後續的衍生性金融 商品的評價模型奠定基礎,亦影響日後財務工程的發展。
台灣權證市場流通的認購權證為股票型認購權證,即以股票為權 證的標的資產。股票型認購權證可依履約期間的不同分為只能在到期 日當天履約的歐式選擇權(European options)與可於到期日前任一天 履約的美式選擇權(American options)兩種。台灣的認購權證屬於美 式選擇權。
本研究是以BS 模型與類神經網路對 1999 年 6 月到 2006 年 3 月 期間所發行之認購權證中選出十六個標的物共一百二十四檔權證進 行評價分析,利用BS 模型及類神經網路對權證價格進行推估比較,
觀察何種模型所得到的價格預測最為準確。
本研究主要分為兩個部分,一為B-S 模型的探討,一為類神經網 路模型探討。而類神經網路模型中又分為「倒傳遞神經網路」(BPN)
及「分析調整綜合網路」(AASN),並以 B-S 模型的影響因子為輸 入變數,而市場買權價為輸出變數建構類神經網路模型。
本文所研究的問題整理如下:
一、 比較以歷史波動率及隱含波動率來建構 B-S 模型的評價模型的 準確。
二、 比較以 BPN 及 AASN 兩種不同的類神經網路來建構認購權證 的評價模型的準確度。
三、 比較以綜合訓練集及單一訓練集兩種不同資料集來建構認購權 證的評價模型的準確度。
四、 比較 B-S 模型與類神經網路在估計認購權證價值預測分析之優 劣。
本研究的研究限制如下:
一、 本研究所選擇之樣本存續期間有限,僅為民國八十八年六月起 至民國九十五年十二月底止,在台灣證券交易所公開發行的個 股型股票認購權證,已到期並具備完整資料者中的一百二十四 檔。
二、 每日市場認購權證交易價格波動大,本研究的資料只擷取最終 的收盤價格,因此無法充分反映當日內的盤中變動。
三、 本研究的輸入變數只採用 B-S 評價模型中的五種影響因子(標 的股價、履約價格、無風險利率、存續期間與波動度)。
四、 本研究用之波動性估計模型,可能牽涉主觀之價值判斷,例如 波動性估計期間之長短,可能造成估計上之誤差。
1-3 研究內容
本研究一共分為五章,各章內容闡述如下:
第一章為緒論,包含研究背景動機、研究目的與研究內容、架構、
限制的說明。
第二章為文獻回顧,闡述傳統選擇評價模型的演進及改良方式,
說明兩種類神經網路模型倒傳遞神經網路(BPN)及分析調整綜合網 路(AASN)的原理,並整理國內外針對選擇權及認購權證的相關研 究文獻及實證結果。
第三章為基於B-S 模型之評價,說明本研究所使用的實證資料來 源、以隱含波動率及歷史波動率建模之結果,最後在討論所有影響因 子與理論價之間的關係。
第四章為基於類神經網路之評價,說明本研究所使用的實證資料 來源、以倒傳遞神經網路(BPN)及分析調整綜合網路(AASN)配 合「綜合訓練集」、「單一訓練集」建模之結果,最後在討論所有影 響因子與理論價之間的關係。
第五章為結論與建議,分析研究期間的實證資料,就實證所得之 結果加以說明,整合實證分析之成果,提出結論與建議。
研究順序及所採用之分析方法如圖 1-1 流程圖所示。
研究背景與目的
文獻回顧
波動率估計
因子討論與結果分析
結論與建議
類神經網路模型建構 B-S 模型建構
認購權證資料收集
隱含波動率 模型
BPN 網路 AASN 網路
隱含波動率 模型
單一標的物 模型
綜合標的物 模型
單一標的物 模型
綜合標的物
模型
第二章 文獻回顧
2-1 選 擇 權 與認購權證
2-1-1 選擇權
選擇權
[20]
(Option)是一種契約或是一種衍生性證券,為一定型 化契約,買方有權利在未來某一段時間內,以事先約定好的價格向賣 方買入或賣出某一數量的標的資產,但無必須履行合約的義務。根據 上述定義可知:(1)選擇權買方有權利,而賣方有義務去履行買方所 要求的權利;(2)選擇權有一定的期限,若超過期限選擇權沒有價值;(3)選擇權的履約價格為雙方事先約定;(4)選擇權有買入及賣出 標的物兩種權利之分,是兩種完全不同的契約;(5)選擇權標的物是 事先約定的,可以是農產品、股票、外匯、利率等。如果此標的物為 股票,則稱為股票選擇權;若為外匯則稱為外匯選擇權。至於目前在 台灣證券交易所的認購權證為股票選擇權的一種。
除了上述定義之外,還可以依照執行時間區分為歐式選擇權及美 式選擇權兩種。(1)歐式選擇權(European Options):此選擇權之規 定持有人僅能在到期日當天執行該權利。(2)美式選擇權(American Options):此選擇權之持有人可以在存續前間中的任意一天執行該選 擇權之權利。
2-1-2 認購權證
認購權證
[19]
是選擇權中的一種,只是所交易的標的物僅有市場 流通的股票,持有人有權利在未來某一特定時間或特定時間內以特定 的價格買入一定數量的股票。投資者有權利決定是否執行契約,而發行者僅有履約的義務,因此投資者需支付權利金,而發行者雖收取權 利金卻必須承擔市場反向風險。所以認購權證發行同時,發行者會在 市場上買入相同部位的股票避險。對投資人而言,認購權證可以做為 投資理財工具,也可以做為避險工具。
z 認購權證之定義
依照台灣證券交易規定,上市之認購權證係指表彰認購權證持有 人於履約期間內或特定到期日,有權力按照約定履約價格向發行人購 入標的證券,或以現金結算方式收取差價之有價證券。
z 認購權證的分類
認購權證是衍生性金融商品的一種,依認購權證發行人之不同可 分為權益性及衍生性權證兩種,目前台灣所發行的認購權證屬於衍生 性權證。
一、依發行機構分為公司型證券及備兌型證券。
(1)公司型證券:由標的股票公司自行發行之認購權證,多半是隨 著公司股票或公司債一併發行,主要功能為籌措資金或是員工 或股東紅利。
(2)備兌型權證:由標的股票公司外的第三者(劵商、金控公司或 銀行)所發行,主要功能是滿足市場多元投資的需求。
二、依標的證券分個股型、類股型、組合型及指數型四種。
(1)個股型證券:標的物為市場上單一個股。
(2)類股型證券:標的物為市場上某一類股票。
(3)組合型證券:標的物為兩支以上之股票所組成,又稱為股籃型 證券。
(4)指數型證券:主要標的物為股價指數,通常這類型證券的標的 多數為大盤指數、類股指數或是指數型股票基金等。
2-1-3 選擇權專有名詞
一、買權與賣權
選擇權依照買入或賣出的權利不同可分為買權(call option)及 賣權(put option)兩種。買權賦予持有人買入標的資產的權利;而賣 權則賦予持有人賣出標的資產的權利。
二、履約價
選擇權契約中,在未來某一段時間內以約定價格買賣某一數量的 標的物資產,此約定價格稱之為履約價(exercise price)或稱為執行 價格(strike price)。
三、到期日與存續期間
選擇權契約中約定未來某一特定日期執行契約該日期稱為到期 日(maturity date; expiration date),而此期間即稱為存續期間。
四、價內、價外與價平選擇權
對買權而言,當標的物價格高於履約價時,此種買權稱之為價內 買權。當標的物價格低於履約價時,此買權稱之為價外買權。不論對 買權或賣權而言,當標的物價格等於履約價時,稱為價平選擇權。而 在許多實證及文獻中為了統計分類方便,又將其細分為近價買權、深 度價內及深度價外;所謂深度價內,對買權而言,當標的物價格高於 履約價許多時,稱為深度價內。反之,當標的物價格低於履約價許多 時,稱之為深度價外。而當履約價與標的物價格非常接近時,稱之為 近價買權。表 2-1 是依照 Rubinstein
[26]
(1985)實證 CBOE 股票選擇 權之價內外標準訂定。表2-1 價內、價外及價平選擇權
買權 賣權
深度價內
S X
>=1.15 0.85>=S X
價內 1.15>=S X
>1.05 0.95>=S X
>0.85 價平 1.05>=S X
>0.95 1.05>=S X
>0.95 價外 0.95>=S X
>0.85 1.15>=S X
>1.05 深度價外 0.85>=S X
S X
>=1.15 註:S
:標的物價格X
:履約價五、內含價值與時間價值
選擇權的價格(權利金),是指買方所支付或賣方所收到的價款。
權利金可分為兩個部分:內含價值(intrinsic value)與時間價值(time value)。
內含價值=
S
(標的物價格)-X
(履約價) (公式 2-1)C
(買權價格)=MAX(0,S
-X
) + 時間價值 (公式 2-2)S
為目前標的物價格,X
為履約價,而MAX(0,S
-X
)表示在 該式中之值應取0 或S
-X
中較大的一項,即內含價值大於或等於 0。例如,對價外買權而言,因標的物價格低於履約價,所以內含價 值為0,而此選擇權的價值就等於時間價值。內含價值又稱為執行價 值或履約價值,表示說在選擇權存續期中任一時間點提早履約所能得 到的好處。
六、股價波動率(Volatility)
即標的股票之波動性。一般常用過去股價報酬率之標準差來衡 量,即一般所謂的歷史波動率;此外,在次級市場之權證實際價格所 反應之波動率則稱為隱含波動率,代表市場預期標的股價格之變動。
2-2 Black-Scholes 評 價 模 型 簡介
選擇權的價格也稱為「權利金」(Premium),買方需要支付多 少權利金,以取得未來報酬的權利才算合理?而賣方需要收取多少權 利金,來彌補未來所可能的支出義務才算公平?這就牽涉到買權、賣 權合理價格的計算。而Black-Scholes 評價模型最主要就是希望利用 幾個最重要的影響因子用來找出選擇權評價模型中買權及賣權的合 理價格。
Black-Scholes 評價模型
[20]
是屬於連續時間模型,此模型最大的 優點在於為一封閉解(closed form solution),能提供我們對選擇權 精確的評價,而且計算過成相當簡單。但B-S 評價模型要能準確的評 價選擇權,資本市場必須符合幾以下幾個假 設 :一、為完全競爭市場。
二、市場上無套利機會。
三、在選擇權距到期日期間內,利率與股價報酬率的變異數為已知且 為常數。
四、不發放股利的歐式選擇權(無法在到期日之前提前履約)。
五、交易無障礙因素,亦即沒有税、沒有交易成本。
六、選擇權交易是一連續發生的過程。
七、股價變動為連續,而且股價的機率分配呈現對數常態分配
(lognormal distribution),股價的變動遵循幾何布朗寧運動
(Geometric Brownian Motion)。
dZ S dt
dS
=μ
+σ
(公式 2-3)其中
1 1
2
)
(
t t t
S S S S
dS −
=
為股價報酬率。1
S
t =前一時間點標的物價格2
S
t =目前時間點標的物價格μ
=在極短時間內的股價報酬率,為一常數。σ =在極短時間內的股價波動率,為一常數。
1
2
t
t
dt = −
第一時間與第二時間的間隔。dZ
=極短時間內Z
的變動量,是期望值為零且變異數為dt
之常態分 配,dZ
~N
(0
,dt
)。μ dt
表示趨勢。σ
dZ
表示干擾的隨機項,若股價的未來走勢依循擴散程序,則在未 來的極短時間之股票價格的機率分配會呈現對數常態分配。Black 和 Scholes 以無套利機會的觀點,利用賣出一單位買權,同 時買進delta=dC/dS 單位的股票,建立一個無風險資產組合。由於不 存在套利機會,因此該無風險資產投資組合的報酬率應該等於無風險 利率。由於此一無風險組合乃在很短時間內建立的,但是股價的變動 呈現連續性,所以dC 和 dS 的關係時常改變。為使得該組合不具風 險,必須不斷地調整資產組合才能維持在無風險狀態。因此,Black 和Scholes 利用上述的假設與連續調整資產組合推導出買權和賣權的 定價模型。
B-S 模型如下:
) ( )
(
d
1Ke N d
2SN
C
= − −rτ (公式 2-4)) ( )
(
d
2SN d
1N
Ke
P
= −rτ − (公式 2-5)C
=買權價格。P
=賣權價格。S
=標的物價格。X
=履約價格。r
=無風險利率。τ
=
(T
−t
)為選擇權存續期間。σ =股價報酬波動率。
(⋅)
N
為常態分配累積機率值。τ σ
σ
τ
)
2 ( 1 ) / ln(
1
+
2+
= S X r
d
(公式 2-6)τ σ
−
= 1
2
d
d
(公式 2-7)( ) d
1N
表示從d
1累積至∞的標準常態累積分佈函數,N ( ) d
2 表示從d
2累 積至∞的標準常態累積分佈函數。然而因為模型之諸多假設與限制也導致了與現實環境有所出 入,因此後續研究乃針對此模型之假設加以放寬或是提出適當的修 正。此外,應用B-S 模型求取選擇權價格是利用偏微分方程在邊界條 件下求解,但因為模型過於複雜計算困難求解不易。因此,學者利用 近似解或模擬可能之近似解,再以數值分析方法來估計選擇權理論價 格。
一般而言,常用之數值分析方法可區分為蒙地卡羅法(Boyle 1977)、有限差分法(Schwartz 1977)、二項式法(Cox, Ross and Rubinstein 1979)三種。
目前除上述研究是以放寬B-S 模型假設標準外,大多數研究是以
選擇權價格波動為討論重點。經由市場實證比較後發現B-S 模型並非 最佳的評價模型。但是因B-S 模型經常用來當作其他模型比較之基 準,且為投資者所熟悉之分析方式,因此在做選擇權價格討論時仍是 值得討論之模型。
2-3 類神經網路
類神經網路(Artificial Neural Networks)
[25]
,是指模仿生物神經網 路的資料處理系統。類神經網路較精確的定義為:「類神經網路是一 種計算系統,包括軟體及硬體,它使用大量簡單的相連人工神經元來 模仿生物神經網路的能力。人工神經元是生物神經元簡單的模擬,它 是由外界環境或者其他人工神經元取得資訊,並加以非常簡單的運 算,並輸出其結果到外界環境或者其他人工神經元。」類神經網路是由許多人工神經元(artificial neuron)所組成,人工神 經元又稱處理單元(processing element)。每一個處理單元的輸出,成 為許多單元的輸入。處理單元其輸出值與輸入值之間的關係式,一般 可用輸入值的加權乘積和之函數來表示,公式如下:
∑
−=
i
j i ij
j
f W X
Y
(θ
) (公式 2-8)其中
Y
j=模仿生物神經元模型的輸出訊號;f
=模仿生物神經元模型的轉換函數;W
ij=模仿生物神經元模型的神經結強度,又稱連結加權值;X
i=模仿生物神經元模型的輸入訊號;θ
j=模仿生物神經元模型的閥值;圖 2-1 人工神經元模型
介於處理單元間的訊號傳遞路徑稱為連結(connection)。每一個連 結上有一個數值的加權值W
ij
,用以表示第 i 個處理單元對第 j 個處理 單元之影響強度。一個類神經網路是由許多個人工神經元與其連結所 組成,並且可以組成各種網路模式(network model)。其中以倒傳遞網 路(Back-propagation Networks,BPN)應用最為普遍。一個 BPN 包含 許多層,每一層包含若干個處理單元。輸入層處理單元用以輸入外在 的環境訊息,輸出層處理單元用以輸出訊息給外在環境。此外,另包 含一重要之處理層,稱為隱藏層(hidden layer),隱藏層提供神經網路 各神經元交互作用,與問題的內在結構處裡能力。由於神經網路具有 模擬平行處理、訊號分散式儲存、高度容錯性和自我學習能力等特 性,目前已被廣泛地應用到不同領域。2-3-1 BPN 倒傳遞神經網路
BPN 倒傳遞網路為目前應用最廣的類神經網路模型,且最具代 表性的類神經網路模式,屬於前向式網路架構,為一種監督式網路。
其基本原理是利用最陡坡降法(the gradient steepest descent method)的 Wij
X1
X2
X3
Xn
‧‧‧
θj netj
f
Yj觀念,將誤差函數予以最小化。
圖 2-2 BPN 倒傳遞網路模型
其中隱藏層及輸出層神經元之轉換函數為雙彎曲函數(sigmoid function)。
e
xx
f
−= + 1 ) 1
( (公式 2-9)
圖 2-3 隱藏層輸出層非線性轉換函數
‧‧ ‧‧‧ ‧‧‧
輸入向量 輸出向量
輸入層 隱藏層 輸出層
-10 -5 5 10
0.2 0.4 0.6 0.8 1
f(x)
X
2-3-2 AASN 分析調整綜合網路
AASN 分析調整綜合網路,為監督式神經網路模型,屬於前向式 網路架構。分析綜合調整網路是一個由三個次網路組成的神經網路:
分析次網路、調整次網路、綜合次網路。分析次網路是一個將輸入單 元連結到展開輸入單元的單層網路;綜合次網路是一個將輸出單元連 結到展開輸出單元的單層網路;介於分析次網路與綜合次網路間的調 整次網路是一個扮演學習機制的標準之倒傳遞網路。在網路完成訓練 後,在回想階段中(Recall),綜合次網路接收展開輸出單元的輸出值,
並以加權方式綜合這些值為高度精確的的輸出值,進而顯著改善網路 效能及強化網路架構。其中隱藏層及輸出層神經元之轉換函數為雙彎 曲函數。
圖 2-4 AASN 分析調整綜合網路模型
‧‧‧‧‧
綜合層 輸出層
輸入向量 輸出向量
隱藏層 輸入層
‧‧‧‧‧ ‧‧‧‧‧
分析層
一、訓練步驟(training phase)
1、輸入單元連結到展開輸入單元的單層網路 1
1 ) 2 (
)
( −
+
=
= −
−
k k i
d m i X
k ik
e X
f
A
(公式 2-10)其中
k
=1,2,3,4,5X
i=第 i 個輸入單元值;A
ik=第 i 個輸入單元所連結第 k 個展開輸入單元的輸出值;m
k=第 k 個展開輸入神經元的非線性轉換函數之水平平移控制參數;d
k=第 k 個展開輸入神經元的非線性轉換函數之斜率控制參數;3 ,2 3 ,1 0 3, , 1 3 , 2
, ,
, 2 3 4 5
1
m m m m
=− −m
3 , 1 , ,
, 2 3 4 5
1
d d d d
=d
2、輸出單元連結到展開輸出單元的單層網路
)
1
() 1 (
k k j
s u j Y
k jk
e Y
g
B
−+
−=
=
(公式 2-11)其中
k
=1,2,3,4,5Y
j=訓練資料的第 j 個輸出值;B
jk=第 j 個輸入單元所連結第 k 個展開輸出單元的輸出值;u
k=第 k 個展開輸出神經元的非線性轉換函數之水平平移控制參數;s
k=第 k 個展開輸出神經元的非線性轉換函數之斜率控制參數;6 ,5 6 ,4 6 ,3 6 ,2 6 , 1 , ,
, 2 3 4 5
1
u u u u
=u
, 1 , ,
, 2 3 4 5
1
s s s s
=s
圖 2-5 分析次網路轉換函數
圖 2-6 綜合次網路轉換函數
二、回想步驟(recall phase)
輸出使用加權平均法(weighted-average)
-1 -0.5 0.5 1
-1 -0.5 0.5 1
f(x)
x
0.2 0.4 0.6 0.8 1
0.2 0.4 0.6 0.8 1
x f(x)
jk jk w jk
j
W
Y Y W
∑
= ∑ (公式 2-12)
其中
)2
(
1 )
ln(1 )
(
k k jk
s u Y jk
k jk jk k
jk k jk
e W
B u s B
B g Y
− −
−
=
− +
⋅
=
=
w
Y
j =第 j 個輸出變數的綜合輸出值;Y
jk=第 j 個輸出變數的第 k 個展開輸出單元之推論輸出值;B
jk=第 j 個輸出變數的第 k 個展開輸出神經元之推論輸出值;W
jk=第 j 個輸出變數的第 k 個展開輸出神經元之權值。表4-1 為倒傳遞神經網路(BPN)與分析調整綜合網路(AASN)
這兩種神經網路模式之比較。
表 2-2 BPN、AASN 兩種神經網路異同
相同之處 相異之處
1. 皆為前向式神經網路架構。
2. 皆為監督式學習。
3. 皆使用最陡坡降法來修正網 路權值及閥值。
4. 皆使用雙彎曲函數。
1. AASN 使用非線性的轉換函 數將每個輸入層神經元擴展成五 個神經元連接隱藏層。
2. AASN 使用非線性的轉函數 將每個輸出層神經元擴展成五個 神經元。
3. AASN 將擴展輸出神經元的 輸出值用加權平均法產生最終預 測值。
2-4 選擇權績效評價應用之相關文獻
2-4-1 B-S模型應用於選擇權定價
學者使用B-S 模型定價對台灣股票認購權證市場進行效率性檢 定,並無一致看法。
Black 和 Scholes(1972)使用 1966 年五月至 1969 年七月間選擇權 OTC 市場交易的 545 筆選擇權價格資料進行分析。研究結果發現 Black-Scholes 模型對於處在價內的選擇權有高估的傾向,而對於價外 選擇權有低估的傾向。
Merton(1973)放寬了 Black-Scholes 模型中無風險利率為常數 的假設,假設利率不為一常數,而是一種隨機過程,修改了原始 Black-Scholes 模型評價模式。
Black-Scholes(1975)檢驗 1973 至 1975 年 CBOE 的買權價格。結 果發現深度價內的選擇權會被Black-Scholes 模型所高估;深度價外 的選擇權則會被低估。
Merton(1976)提出波動度為隨機過程來修正 BS 模型中假設波 動為固定之假設。但是Merton 雖能能解釋出波動的效果但卻無法正 確的估計出波動度。而Hull and White(1987)亦提出波動度為隨機 波動的買權評價模型,與B-S 模型進行實證比較。經由蒙地卡羅法計 算出選擇權價格,發現當股價與波動度為正相關時,B-S 模型之理論 價格於價外時會低於隨機波動模型,價內時則會高於隨機波動模型。
而當股價與波動度為負相關時,其所得之結果正好相反。
此外在B-S 模型評價能力相關研究中發現,B-S 模型之評價能力 往往並非最佳。MacBeth and Merville(1979)以在 CBOE 交易之六家公 司選擇權,1975 年 12 月 31 日到 1976 年 12 月 31 日間每天買權收盤 價為研究標的,比較市場價格與藉由B-S 模型所求得之理論價格。發
現在價內選擇權時,理論價格高於市場價格之差距會隨著到期日時間 之縮短而漸少;而當價格處於價外時,理論價低於市場價格之差距也 會隨著到期日時間縮短而減少差距。
Beckers(1980)比較 Black and Scholes 模型與 CEV 模型之定價績 效發現,簡化的平方根CEV 模型之定價績效最高;Christie(1982)研 究資產報酬之波動性與資產價值間之關係則發現,資產報酬波動性與 資產價值間具有負向的關係,隱含CEV 模型是較正確的定價模式。
Rubinstein(1985)實證研究發現 Black-Schoies 模型與
Diffusion-Jump 模型(J-D 模型)在到期日較長、深度價內或深度價 外之選擇權評價上有顯著差距。
Lauterbach and Schultz(1990)檢定 Black-Scholes 認購權證定價模 型則發現,Black and Scholes 模型運用在認購權證之定價上忽略了許 多問題,包括:(一)提早執行。(二)展期的可能性。(三)利率的 隨機性。(四)資產變異數的隨機性。(五)資產波動性與資產價值成 負向關係。而其中最嚴重的問題則是其資產變異數為常數的假設。此 外並比較Black-Scholes 模型與平方根 CEV 模型之績效則發現,CEV 模型之定價績效顯著高於Black-Scholes 模型。
Lauterbach and Schoultz(1990)利用 25000 筆認購權證價格日資料 來檢驗B-S 模型所衍生出的認購權證評價模型的準確度。研究結果發 現,由於變異數為固定常數的假設,使B-S 模型在認購權證時造成持 續性的定價誤差。
Black-Scholes 模型運用在認購權證定價上的可行性一直是實證 研究所關切的一個主題。多數實證研究(例如 Lauterbach and Schultz, 1990; Kauwahara and Marsh, 1992; Hauser and Lauter-bach, 1997)的 結果均顯示Black and Scholes 模型運用在認購權證定價時,會造成持
續性的錯誤定價(mispricing)。因此另一個實證上關切的主題則是哪一 個模型之定價績效較高。Beckers(1980)比較 Black and Scholes 模型與 CEV 模型之定價績效發現,簡化的平方根 CEV 模型之定價績效最 高;Christie(1982)研究資產報酬之波動性與資產價值間之關係則發 現,資產報酬波動性與資產價值間具有負向的關係,隱含CEV 模型 是較正確的定價模式。
Lauterbach and Schultz(1990)以 1971 年 1 月 5 日到 1981 年 2 月15 日間於 CRSP 收錄的 39 檔認購權證為研究標的,比較 B-S 模型 與SRCEV 模型於認購權證上的評價績效。實證結果發現,在考慮稀 釋效果下CEV 模型於認購權證價格上之預測有較高的準確性。後續 研究中也發現雖然各種模型對於選擇權的評價均有一定程度誤差,但 是以整體而言其結果均優於B-S 模型的表現。
簡志英(1993)指出諸多實證研究發現,B-S 模型內不適當之假設 使模型價格與與市場價格間存在系統性差異。
王駿東(1993)針對國內認股權證及附認股權證公司債的特性做 一比較,並對認股權證評價模式用電腦模擬方法對個案公司進行實例 探討,並對各個評價模式做敏感性分析,找出最適和國內企業的評價 模式。
洪志洋(1994)在探討過台灣股市的相關文獻之後,選定漲跌停限 制為介入檢視國外選擇權評價模式的變項,並在理論上檢視B-S 模型 及二項式模型在台灣市場上的可行性。研究結果顯示,雖然台灣股市 對股價有每日漲跌幅的限制,但並不會因此影響Black-Scholes 的選 擇權評價模式。
簡立維(1995)以 Maloney-Rogalski(1989)的研究為基礎,藉由隱含 在選擇權評價模式中的隱含標準差(Implied Standard Deviation-ISD)
來進行外匯市場異質性的預測研究,同時也經由特定到期期間的加權 平均隱含標準差(Expiration-Specific Weighted Implied Standard
Deviation-WISD)之設計來探討其為何優於傳統的 Composite WISD。
此外也比較了選擇權評價預測模式和時間序列預測模式的優缺點。
陳昶華(1995)建立美式外匯期貨選擇權評價模式之基本假構。期 貨選擇權評價首先由Black(1976)導出,但假設利率為固定。假設變 動利率與固定利率導出之期權評價模式會有相當的差異,但其並未導 出期權評價公式。本研究以具一般性之外匯現貨、外匯期貨、國內利 率、國外利率變動模式,導出外匯期貨選擇權所必須遵循的偏微分方 程式。由導出之偏微分方程式與適當之邊界條件,應可以數值分析的 方式求取近似解。
何桂隆(1997)提出利用七種估計股價波動性的方式來估計 B-S 模型所需之變數,將變數代入 B-S 模型中,以求得理論預測價格,再 與市場價格比較其預測績效。實證結果發現,以該研究中IV 差權方 式來估計股價波動性,對台股認購權證以B-S 模型價格的能力,明顯 優於其他歷史波動率。
官顯庭(1997)以傳統 B-S 模型計算之理論價格與台灣認購權證 作實證分析。研究方面, B-S 模型定價會長期高估位於價內之台股 認購權證價格,但會低估長期處於價外之權證價格。此研究之發現恰 好與MacBeth and Merville(1979)的研究結論相反。在時間因數上,
其研究發現台股認購權證市價與理論價的差異並不因為時間經過而 減少,亦不具有市場學習之效果,此與Galai(1977)以 1973 年在 CBOE 交易之 206 檔選擇權進行之研究,發現市場並未因時間的進展 有了較多的經驗及造市者而降低套利所得的超額報酬,呈現類似看 法。
Hauser and Lauterbach(1997)比較五種常用的認購權證定價模式 之績效,包括兩種Black-Scholes修正模型,兩種CEV模型,與
Longstaff(1990)之可展期的認購權證定價模式。實證結果顯示,CEV 模型最能成功的運用在認購權證之定價上。從上述文獻顯示在眾多的 認購權證定價模式中,CEV模型是較能合乎實際情況,且定價績效也 較高的模型。
趙其琳(1998)比較台灣股票認購權證價格在不同波動率估計方 法下之預測能力。其波動性預測方法包括歷史波動率、GARCH 模型與 隱含波動率三種;最後並探討價格誤差與選擇權訂價模型中重要參數 的關係。實證結果顯示,利用隱含波動率的預測其價格誤差最小且不 顯著,而 GARCH 模型的價格誤差大都低於以歷史波動率的價格誤差,
而二者之價格誤差均是顯著的。
蔡立光(1998)利用B-S模型及JD模型對十二支認購權證評價。結 果發現,以歷史波動率所估計出的BS模型理論價格明顯低於市場價 格,而JD模型的預測能力並不比BS模型佳。
李存修(1999)對台灣十八支認購權證做價格誤差統計。結果發 現,在396個樣本中,正誤差有344個,負誤差52個且集中於三支認購 權證,甚至發現市價有高出理論價十倍之多的價格出現。
單應翔(1999)以 1997 年 4 月至 1999 年 1 月 30 日之所有台灣 股票認購權證收盤資料為研究對象,利用歷史波動率、隱含波動率、
自我回歸異質變異數法(ARCH)及一般自我回歸變異數法(GARCH)
四種方法搭配B-S 模型及 SRCEV 模型評價認購權證。楊玉菁(2001)
以台股市場2000 年所發行相同標的股票,兩檔以上之單一認股權證 為研究對象,以歷史波動率及隱含波動率搭配B-S 模型、二項式模 型、Leland 模型及 Boyle and Vorst 模型為實證。結果兩人同樣發現隱