「2020 New Futures 期貨學術與實務交流研討會」優秀論文摘要－應用人工智慧於臺指期波動率預測
本文利用2016年1月4日至2019年9月9日間在臺灣期貨交易所發行之臺股期貨，應用其每日曆史報酬率，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）對臺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]