標題: 應用人工智慧方法於行為財務學之主導市場的異常行為發現
AI in Behavioral Finance:Which Bias Dominates the Market?
作者: 蕭宗仁
Tzung-Ren Shiao
陳安斌
An-Pin Chen
資訊管理研究所
關鍵字: 分類元;過度反應;反應不足;隱含波動率;行為財務學;XCS;Overreaction;Underreaction;Model dredging;Implied Volatility;Behavioral Finance
公開日期: 2004
摘要: 本篇論文提出結合行為財務學與人工智慧方法的創新概念,解決行為財務學如何決定何種行為模式正主導市場的選擇問題。此研究以市場的過度反應和反應不足兩種市場行為為例,透過引進具有線上學習能力、適應性、和準確率導向的人工智慧方法,明確的指出市場目前處於反應過度或反應不足的情況。最後,將實驗的結果套用期貨交易策略,利用歷史模擬的方式,測試偵測出的行為模式是否能夠實際在市場上獲利。 研究資料來源為台灣加權指數選擇權與台灣加權指數期貨。研究的結果顯示,使用分類元方法,透過觀察台灣加權指數選擇權隱含波動率,能夠成功的分辨出市場目前處於過度反應或反應不足的狀況。此研究結果也提供證據顯示,台灣金融市場上投資人並非全然的理性,對於傳統經濟學上理性期望理論提出質疑。
URI: http://140.113.39.130/cdrfb3/record/nctu/#GT009234509
http://hdl.handle.net/11536/77156
Appears in Collections:Thesis