基因演算法於建構臺指選擇權投資組合的應用

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：48

、訪客IP：18.191.111.130

姓名

張烈堂(Lieh-Tang Chang) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

基因演算法於建構臺指選擇權投資組合的應用
(Apply Genetic Algorithm to Taiwan Index Option Portfolio)

相關論文

★ 以關係基因演算法為基礎之一般性架構解決包含限制處理之集合切割問題	★ 類神經網路於股價波段預測及選股之應用
★ 以類神經網路提高股票單日交易策略之獲利	★ 智慧型多準則決策支援研究：以交談式遺傳演算法為基礎的模型
★ 應用遺傳演算法於財務指標選股策略之探討	★ 遺傳演算法於股市資金分配策略應用上之研究
★ 組合編碼遺傳演算法於投資組合及資金分配之應用	★ 遺傳程式規劃於股市擇時交易策略之應用
★ 遺傳演算法於股市選股與擇時策略之研究	★ 多目標遺傳演算法於基本面選股策略之應用
★ 證券交易策略發掘	★ 遺傳演算法於SAP R/3 系統效能最佳化之應用
★ 動態多期資金管理策略發掘	★ 擴充固定比例(CPPI)與時間不變性投資組合保險策略(TIPP)於投資組合之應用
★ 演化式賽局於投資策略之研究	★ 利用遺傳演算法發掘投資組合保險之調整策略

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

由於台指選擇權市場的蓬勃發展，顯示台灣投資大眾漸漸能夠接受這種新興投資方式，因此本研究試圖使用人工智慧方法中的組合編碼基因演算法，建構由台指選擇權所組成的投資組合，藉由基因演算法強大的演化求解能力，求出投資組合的最適資金配置方式。
相較於證券等金融商品，選擇權的生命週期是相當短的，依到期日長短而定，最長不會超過8個月，而過去研究多未使用長天期的訓練資料，在演化的成效上是值得懷疑的，因此本研究也嘗試使用三種不同的資料處理方法串接選擇權歷史資料，理論上，可以由當日一直串接此選擇權的歷史資料至選擇權市場最初始的交易日，在交易期間上，我們選擇2003年至2004年台指選擇權交易資料做為實驗資料，在績效評估上，與平均分配資金策略與基因演算法所產生的資金分配策略比較。研究結果發現，平均而言基因演算法所產生的資金分配策略報酬率略優於平均分配資金策略，但在統計上並未有顯著優勢，另一方面，在比較各種不同歷史資料串接方法後，結果顯示，以選擇權的實際價格和理論價格之間的差距進行昇冪排序串接歷史資料，所獲得的績效最佳，同時也說明價值被低估的買權，其獲得正報酬率的機率較高。

摘要(英)

Due to the growth of Taiwan Index Option (TXO) market, it is a new way to investment in Taiwan. This paper uses Combine Encode Genetic Algorithm to set up a portfolio which is composed of TXO options and to solve the fund allocation problem in TXO options portfolio.
Compare to other securities, the life cycle of options is very short, depends on the expiration date, it varies from one month to eight month. The history data used before is too few to trust the result of GA. This paper uses three different methods to process option history data. In theory, the option history data can be expended to the first trading day of TXO market. Compare to original history, we can provide more data in GA evolution process.
We select the TXO trading data from 2003 to 2004. We compare the portfolio performance between the GA’s strategy and the equally fund allocation strategy. The results show that the GA’s strategy can defect the equally fund allocation strategy, but in some cases, the statistic test result can not support this conclusion. In addition to the statistic test result, we also compare these different option history process methods, the result indicates that the best performance of all is the “ascend sort of the difference between option’s actual and theorical premium” method. It also indicates that the possibility of positive return of an option is high if that option’s value is underestimated.

關鍵字(中)

★ 資金分配策略
★ 投資組合
★ 基因演算法
★ 選擇權

關鍵字(英)

★ Option
★ Genetic Algorithm
★ Portfolio
★ Fund allocation strategy

論文目次

摘要 I
目錄 II
圖目錄 V
表目錄 VI
1. 緒論 1
1.1. 研究背景及動機 1
1.2. 研究目的 2
1.3. 論文架構 3
2. 文獻探討 4
2.1. 選擇權與指數選擇權介紹 4
2.1.1. 選擇權的意義 4
2.1.2. Black-Scholes選擇權訂價公式 5
2.1.3. 選擇權的基本交易 6
2.1.4. 台指選擇權介紹 8
2.2. 投資組合理論 8
2.2.1. Markowitz 投資組合理論 8
2.2.3. 財務方法在選擇權投資組合之相關研究 10
2.2.4. 基因演算法在選擇權投資組合之相關研究 12
3. 基因演算法 15
3.1. 基因演算法的簡介及特性 15
3.1.1. 基因演算法簡介 15
3.1.2. 基因演算法的特性 16
3.2. 基因演算法的基本運算 16
3.2.1. 初始化(Initialization) 17
3.2.2. 編碼(Encoding) 17
3.2.3. 決定適應函數(Fitness Function) 17
3.2.4. 選擇(Selection) 17
3.2.5. 交配(Crossover) 18
3.2.6. 突變(Mutation) 20
3.2.7. 停止條件(Termination Condition) 21
3.2.8. 控制參數(Control parameters) 21
3.3. 組合編碼基因演算法 23
3.3.1. 編碼方式 23
3.3.2. 染色體初始化 24
3.3.3. 交配方式 25
3.3.4. 突變方式 25
4. 研究方法 27
4.1. 選擇權資料處理 27
4.1.1. 影響選擇權價格的因子 27
4.1.2. 相對指數法 29
4.1.3. 隱含波動率法 30
4.1.4. 理論價差法 31
4.2. 選擇權報酬率計算 32
4.2.1. 買入選擇權的報酬 32
4.3. 交易策略 33
4.4. 適應函數設計 34
5. 實驗設計及結果 35
5.1. 實驗設計及資料來源 35
5.1.1. 系統軟硬體設備 35
5.1.2. 資料來源 36
5.1.3. 實驗流程 36
5.1.4. 實驗參數 37
5.2. 實驗1 相對指數法 38
5.2.1. 實驗目的及說明 38
5.2.2. 實驗1結果 38
5.2.3. 實驗1之GA策略與平均分配資金策略T檢定 39
5.2.4. 實驗1小結及討論 40
5.3. 實驗2 隱含波動率法 40
5.3.1. 實驗目的及說明 40
5.3.2. 實驗2-1隱含波動率法降冪排序 41
5.3.3. 實驗2-1之GA資金策略與平均分配資金策略T檢定 41
5.3.4. 實驗2-2 隱含波動率法昇冪排序 42
5.3.5. 實驗2-2之GA資金策略與平均分配資金策略T檢定 42
5.3.6. 實驗2小結及討論 43
5.4. 實驗3 理論價差法 44
5.4.1. 實驗目的及說明 44
5.4.2. 實驗3-1理論價差法降冪排序 44
5.4.3. 實驗3-1之GA資金策略與平均分配資金策略T檢定 45
5.4.4. 實驗3-2理論價差法昇冪排序 46
5.4.5. 實驗3-2之GA資金策略與平均分配資金策略T檢定 47
5.4.6. 實驗3小結與討論 48
6. 結論及建議 49
6.1. 研究發現 49
6.2. 研究貢獻 50
6.3. 未來發展 50
6.3.1. 其它選擇權資料處理法 50
6.3.2. 投資標的選擇 50
6.3.3. 交易策略 51
參考文獻 52
附錄A. 台灣證券交易所股價指數選擇權契約規格 55
附錄B. 實驗1結果 57
附錄C-1.實驗2-1結果 57
附錄C-2. 實驗2-2結果 58
附錄D-1. 實驗3-1-A結果 58
附錄D-2. 實驗3-1-B結果 59
附錄D-3. 實驗3-2-A結果 59
附錄D-4. 實驗3-2-B結果 60
附錄E. 各實驗投資組合交易資料 61

參考文獻

中文部分：
[余美惠，民86] 余美惠，「以基因演算法建構外匯選擇權組合之實證研究」，國立台灣大學國際企業學系碩士論文，民國八十六年。
[侯佳利，民90] 侯佳利，「組合編碼遺傳演算法於投資組合及資金分配之應用」，國立中央大學資訊管理學系碩士論文，民國九十年。
[林萍珍，民86] 林萍珍，「遺傳演算法在使用者導向的投資組合選擇之應用」，國立中央大學資訊管理學系碩士論文，民國八十六年。
[徐崇禮，民90] 徐崇禮，「模擬股票選擇權避險策略最佳化系統」，元智大學資訊管理學系碩士論文，民國九十年。
[臺灣期貨交易所 2005]，http://www.taifex.com.tw/chinese/home.htm
英文部份：
[Black, 1973] Black, Scholes. “The Pricing of Options and Corporate Liabilities,” Journal of Political Economy, 1973, Vol. 81 Issue 3, p637.
[Markowitz, 1952] Markowitz, H.M.. “Portfolio Selection,” Journal of Finance, Vol. 7, 1952, pp. 77-91.
[Blomvall, 2003] Blomvall, Lindberg. “Back-testing the performance of an actively managed option portfolio at the Swedish Stock Market, 1990–1999,” Journal of Economic Dynamics & Control, Apr 2003, Vol. 27 Issue 6, p1099.
[Booth, 1985] Booth, Tehranian and Trennepohl. “Efficiency Analysis and Option Portfolio Selection,” Journal of Financial & Quantitative Analysis, Dec 1985, Vol. 20 Issue 4, p435.
[Chen, 1997] Chen Shu-Heng, Lee Who-Chiang. “Option Pricing with Genetic Algorithms: Separating Out-of-the-Money from In-the-Money.”, IEEE International Conference on Intelligent Processing Systems, 1997.
[Davis, 1985] Davis L.. “Applying adaptive algorithms to epistatic domains.”, In Proceedings of the International Joint Conference on Artificial Intelligence, pages 162–164, 1985.
[Luenberger, 1998] Luenberger David G... “Investment Science” Oxford University Press, 1998.
[Fama, 1965] Fama. “The behavior of stock-market prices”, Journal of Business 38, p34-105.
[Godlberg, 1989] Goldberg D. and Lingle R.. “Alleles, loci, and the traveling salesman problem.”, In Proceedings of the First International Conference on Genetic Algorithms and Their Applications, pages 154–159, 1985.
[Goldberg, 1994] Goldberg, D.E.. “Genetic and Evolutionary Algorithms Come of Age.”, communications of the ACM, Vol. 37, 1994, pp.2-3.
[Grace, 2000] Grace Bruce K.. “Black-Scholes option pricing via genetic algorithms.”, Applied Economics Letters, 2000, 7, pp129-132.
[Holland, 1975] Holland J. H.. “Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence”, MIT Press, 1st MIT Press edition, 1992. University of Michigan Press, 1st edition, 1975.
[Mitchell, 1996] Mitchell, M., An Introduction to Genetic Algorithms, MIT Press,
1996.
[Papahristodoulou, 2004] Papahristodoulou, Christos, “Option strategies with linear programming,” European Journal of Operational Research, Aug2004, Vol. 157 Issue 1, p246.
[Oliver, 1987] Oliver I., Smith D., and Holland J.. “A study of permutation crossover operators on the traveling salesman problem.”, In Proceedings of the Second International Conference on Genetic Algorithms and Their Applications, pages 224–230, 1987.
[Syswerda, 1991] Syswerda G.. “Schedule optimization using genetic algorithms.”, In L. Davis, editor, Handbook of Genetic Algorithms, pages 332–349. Van Nostrand Reinhold, 1991.
[Vacca, 1997] Vacca, L., “Managing options risk with genetic algorithms,” Computational Intelligence for Financial Engineering (CIFEr), 1997., Proceedings of the IEEE/IAFE 1997 , 24-25 March 1997, pp29 - p35.

指導教授

陳稼興(Jiah-Shing Chen)

審核日期

2005-6-28

推文