應用人工智慧於台指期波動率預測

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GJ R-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：wclee@mail.tku.edu.tw