Full metadata record
DC FieldValueLanguage
dc.contributor.author李仁峰en_US
dc.contributor.author陳安斌en_US
dc.date.accessioned2014-12-12T03:00:37Z-
dc.date.available2014-12-12T03:00:37Z-
dc.date.issued2005en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#GT009364503en_US
dc.identifier.urihttp://hdl.handle.net/11536/79988-
dc.description.abstract近幾年來台指期貨與台指選擇權已在臺灣逐漸成熟。投資大眾普遍對此兩種高風險高獲利的商品標的有所認識。本研究嘗試應用具備學習、容錯、預測能力的類神經網路系統,對期貨與選擇權商品間市場效率性之行為模式進行分析研究。 選擇權與期貨商品同為衍生性金融商品,在效率市場假說下,認為在資訊衝擊時,兩者在其價格機制下應以近似同步的方式,將資訊反映在商品價格上。但在實務上,由於兩市場的交易機制、交易成本、交易摩擦等眾多不同因素下,市場並非同步的反應新進資訊,而有了領先或落後的關係。在領先或落後之關係下,商品的價格變動其實是有其行為模式。若此,選擇權因機制的不同,同一標的物商品,同一到期月份,選擇權將會有許多履約價商品,故何種價位履約價的商品對資訊會有最強烈的反應,或會有最大幅度的變化?將會是本研究的主題。 由於類神經網路具有學習、容錯、分群能力、以及可處理非結構問題之能力的特色,能夠經由分析過往行為而掌握對未來狀況的處理,因而在投資決策領域上廣泛地應用。本研究有鑑於選擇權價格的非線性波動行為,與類神經網路對非線性分析的優異特性,故以類神經網路系統為期貨、選擇權市場效率性之行為模式進行分析。 本研究以台指期貨及台指選擇權的相關因子為輸入因子,透過類神經網路系統的學習、分類、預測能力,進行對資料的學習,從中習得選擇權價格的相關行為模式,再運用群體決策以及具知識規則的資料匯入,以求更進一步掌握其行為模式。並以該模式進行實證研究。在實證研究中,驗證本研究的類神經網路系統能成功的掌握部份台指期貨與台指選擇權間在市場效率性不同下的價格行為模式zh_TW
dc.language.isozh_TWen_US
dc.subject效率市場zh_TW
dc.subject價格發現zh_TW
dc.subject類神經網路zh_TW
dc.subjectEfficiency Market Hypothesisen_US
dc.subjectPrice Discoveryen_US
dc.subjectNeural Networksen_US
dc.title應用兩階段類神經網路於期貨與選擇權領先落後之行為分析zh_TW
dc.titleApplying Two Stage Neural Networks on Behavior Analysis of Future and Optionsen_US
dc.typeThesisen_US
dc.contributor.department管理學院資訊管理學程zh_TW
Appears in Collections:Thesis