| dc.contributor.advisor | 陳樹衡 | zh_TW |
| dc.contributor.author (Authors) | 李沃牆 | zh_TW |
| dc.creator (作者) | 李沃牆 | zh_TW |
| dc.date (日期) | 1998 | en_US |
| dc.date.accessioned | 1-Apr-2016 17:13:17 (UTC+8) | - |
| dc.date.available | 1-Apr-2016 17:13:17 (UTC+8) | - |
| dc.date.issued (上傳時間) | 1-Apr-2016 17:13:17 (UTC+8) | - |
| dc.identifier (Other Identifiers) | A2002000460 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/83839 | - |
| dc.description (描述) | 博士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 經濟學系 | zh_TW |
| dc.description.abstract (摘要) | Black-Scholes選擇權定價模型是各種選擇定價的開山始祖，無論在理論或實務上均獲致許多的便利及好評，美中不足的是，這種既定模型下結構化參數的估計問題，在真實體系的結構訊息未知或是不明朗時，或是模式錯誤，亦或政治結構或金融環境不知時，該模型在實證資料的評價上會面臨價格偏誤的窘境。是故，許多的數值演算法（numerical algorithms）便因應而生，這些方法一則源於對此基本模型的修正，一則是屬於逼近的數值解。 | zh_TW |
| dc.description.abstract (摘要) | The option pricing development rapid in recent years. However, the recent rapid development of theory and the application can be traced to the pathbreaking paper by Fischer Black and Myron Scholes(1973). In that pioneer paper, they provided the first explicit general equilibrium solution to the option pricing problem for simple calls and puts and formed a basis for the contingent claim asset pricing and many subsequent academic studies. Although the Black-Scholes option pricing model has enjoyed tremendous success both in practice and research, Nevertheless, it produce biased price estimates. So, many numerical algorithms have advanced to modify the basic model. | en_US |
| dc.description.tableofcontents | 封面頁 證明書 謝辭 論文摘要 目錄 表格 圖例 第一章 緒 論 第二章 模型驅動的選擇權定價理論－文獻回顧 2.1 基本的選擇權概念 2.2 Black-Scholes選擇權定價模型的介紹 2.2.1 支付確定股票股利之Black-Scholes歐式買權定價公式 2.2.2 連續支付股票股利之Black-Scholes歐式買權定價公式 2.2.3 對Black-Scholes選擇權定價模型的幾點評論 2.3 數值分析解法的理論回顧 2.3.1 有限差分法 2.3.2 二項式定價法 2.3.3 三項式估價模型 2.3.4 蒙地卡羅法 2.3.5 蓋拉金法 2.4 其它延伸的模型 2.4.1 利率動態模型 2.4.2 從擴散架構到GARCH模型的發展 第三章 計算智慧與計量方法之關連性 3.1 前言 3.2 計算智慧的統計基礎 3.3 計算智慧方法參數估計及設定上的意義 3.4 計算智慧方法在統計比較上的意義 第四章 資料驅動的選擇權定價理論－人工神經網路模型文獻回顧與實證研究 4.1 動機 4.2 用人工神經網路於選擇權的定價－相關文獻回顧 4.2.1 A Nonparametric Approach to Pricing and Hedging Derivative Structure via Learning Networks (Hutchinson et al., 1994) 4.2.2 Comparing Conventional and Artificial Neural Networ Models for the Pricing of Options on Futures (Lajbcygier et al., 1996) 4.2.3 Option Pricing in Modern Finance Theory and the Relevance of Artificial Neural Networks (White, 1996) 4.2.4 Option Pricing with Neural Networks (Liu, 1996) 4.2.5 本節結論 4.3 用人工神經網路於台股認購權證定價的可行性評估 4.3.1 動機 4.3.2 認購權證的評價 4.3.3 台股認購權證資料來源與分析 4.3.4 二檔認購權證的統計分析 4.3.5 實證參數設定及結果評估 4.3.6 實證結果分析 第五章 資料驅動的選擇權定價理論－遺傳規劃定價模型建構及實證評估 5.1 動機 5.2 相關文獻回顧 5.3 實驗設計說明 5.3.1 線性迴歸模型 5.3.2 人工神經網路的學習 5.3.3 遺傳規劃的應用 5.3.4 Black-Scholes定價模型的估計 5.4 資料描述 5.5 實證結果描述 5.5.1 一階段GP 5.5.2 二階段GP 5.5.3 績效比較 5.6 第一部分結論與建議 5.7 用遺傳規劃於選擇權的避險 5.7.1 追蹤誤差指標 5.7.2 資料描述 5.7.3 實證結果 5.7.4 現存研究的比較 5.7.5 第二部分緒論 第六章 資料驅動的選擇權定價理論－遺傳演算法定價模型建構及模擬評析 6.1 研究動機 6.2 如何應用遺傳演算法解選擇權定價？ 6.3 實證模擬描述及結果分析 6.4 本章結論及建議 第七章 結論與後續研究方向 7.1 結論 7.1.1 研究發現 7.1.2 本文貢獻 7.2 未來的研究方向 附錄 附錄A 與選擇權及計算智慧有關的相關網址 A.1 全球期貨與選擇權價格查詢 A.2 全球期貨與選擇權交易所 A.3 全球證券與選擇權交易所 A.4 其它選擇權相關網址 A.5 與計算智慧有關的相關網址 附錄B 伊滕引理（Ito`s Lemma） 附錄C 價格波動性的計算 C.1 歷史波動性的計算 C.2 隱含波動性 C.3 由GARCH模型計算波動性 附錄D 利率動態模型的導出 附錄E 計算智慧演算法簡介 參考文獻 | zh_TW |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#A2002000460 | en_US |
| dc.subject (關鍵詞) | Black-Scholes選擇權定價模型 | zh_TW |
| dc.subject (關鍵詞) | 人工神經網路 | zh_TW |
| dc.subject (關鍵詞) | 遺傳規劃 | zh_TW |
| dc.subject (關鍵詞) | 遺傳演算法 | zh_TW |
| dc.subject (關鍵詞) | 加權殘差法 | zh_TW |
| dc.subject (關鍵詞) | Black-Scholes option pricing theory | en_US |
| dc.subject (關鍵詞) | artificial neural networks | en_US |
| dc.subject (關鍵詞) | genetic programming | en_US |
| dc.subject (關鍵詞) | genetic algorithms | en_US |
| dc.subject (關鍵詞) | weight-residual method | en_US |
| dc.title (題名) | 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 | zh_TW |
| dc.type (資料類型) | thesis | en_US |
