本文利用2016年1月4日至2019年9月9日間在台灣期貨交易所發行之台股期貨,應用其每日歷史報酬率,分別搭配四種波動率預測模型,GARCH、GJR-GARCH、倒傳遞類神經網絡(BPNN)、基因演化類神經網路模型(GANN)對台股期貨進行樣本內外的波動率預測。並以泰爾不等係數(Theil’s U)、均方根誤差(RMSE)、絕對平均誤差(MAE)與平均絕對誤差百分比(MAPE)等績效指標進行評估。

本文研究結果顯示,傳統的GARCH模型於日內資料波動率預測較GJR-GARCH模型佳;但在日資料中,應用人工智慧的倒傳遞類神經網絡(BPNN)及基因演化類神經網路(GANN)相較於傳統的預測模型,的確可以提高波動率的預測績效。

作者:*淡江大學財務金融學系教授 李沃牆、淡江大學財務金融學系碩士 蘇子軒、政治大學金融系學生 李卓穎

*通訊作者E-mail:[email protected]

#GANN #類神經網路 #GARCH #波動率 #模型