台指期波動率預測：AI技術在台灣期交所的應用

台灣期貨交易所近期發表了一項關於台股期貨波動率預測的新研究。這項研究由淡江大學財務金融學系教授李沃牆、碩士蘇子軒以及政治大學金融系學生李卓穎共同完成。研究期間從2016年1月4日至2019年9月9日，利用台股期貨的每日歷史報酬率，結合四種波動率預測模型進行分析，這四種模型分別是GARCH、GJR-GARCH、倒傳遞類神經網絡（BPNN）以及基因演化類神經網路（GANN）。 在評估這些模型的預測效果時，研究團隊採用了泰爾不係數（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）等指標。研究結果顯示，在日內資料波動率預測方面，傳統的GARCH模型表現優於GJR-GARCH模型。然而，在日資料預測上，應用人工智慧的BPNN和GANN模型，與傳統預測模型相比，顯著提升了波動率的預測效果。 這項研究對台灣期貨市場的波動率預測提供了重要的實證依據，並為未來相關領域的研究提供了參考。作者之一的李沃牆教授的電子郵件為wclee@mail.tku.edu.tw，有興趣的讀者可以進一步聯繫。