"台指期波動率預測：AI技術導引的台灣期貨交易所智慧分析"

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研究。該研究利用2016年1月4日至2019年9月9日期間的台股期貨每日歷史報酬率，並搭配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）。 研究結果顯示，在日內資料波動率預測方面，傳統的GARCH模型表現較佳，而GJR-GARCH模型則略遜於GARCH。然而，在日資料預測上，人工智慧的BPNN和GANN模型則顯示出較佳的預測性能，顯著提升了波動率的預測準確度。 此項研究的作者包括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。李教授的電子郵件為wclee@mail.tku.edu.tw，如有關該研究的進一步資訊，可與其聯繫。