黃永成;
頁: 133-153
日期: 2011/01
卷期: 18(1)
關鍵字: 灰關聯分析;模糊連續遺傳演算法;選擇權評價;
Keywords: Grey relational analysis;Fuzzy Continuous Genetic Algorithm FCGA;Option pricing;
摘要: 本研究結合灰關聯分析之模糊連續遺傳演算法，做為評價選擇權的另一工具。首先以灰色關聯分析找尋除了Black-Scholes評價模型之外足以影響選擇權價格的因素，再透過模糊數之運算將實數變數轉為模糊數，做為模糊連續遺傳演算法的輸入與輸出變數，尋找更精確的選擇權評價方法...

引用     導入Endnote

巫亮全;翁崇雄;許耀文;
頁: 1-16
日期: 2006/10
卷期: 13(專)
關鍵字: 不確定性;企業資源規劃;投資評估;選擇權理論;
Keywords: ERP investment;evaluation;options;uncertainties;
摘要: 企業資源規劃系統(ERP)乃一昂貴、費時，且牽涉許多不確定因素之投資。ERP系統與其他資訊系統投資之不同處，在於其特有之可遞延投資前階段(deferrable pre-investment phase)。以往以淨現值法(Net Present Value)為基礎之評估方式，無法將ERP此一可遞延之特性納入考慮，致...

引用     導入Endnote

施東河;王勝助;
頁: 123-142
日期: 2001/01
卷期: 07(2)
關鍵字: Black-Scholes模式;類神經模糊;避險部位;
Keywords: Black-Scholes Model;NeuroFuzzy tech;hedging position;
摘要: 認購權證是選擇權的一種，提供投資人套利、避險等多樣化選擇。傳統選擇權訂價模式為一複雜之理論，訂價模式有許多限制，與實務上差距有待克服，因此本研究嘗試使用類神經網路建立認購權證評價模式。為避免差異，以Black-Scholes模式中，五項影響權證價格之因子為輸入變數...

引用     導入Endnote

陳安斌;張志良;
頁: 63-80
日期: 2001/01
卷期: 07(2)
關鍵字: 選擇權;基因演算法;類神經網路;評價;避險;
Keywords: Option;Genetic algorithm;Neural network;Pricing;Hedging;
摘要: 類神經網路具有學習與高速計算之能力，再加上非線性處理與容錯之特性，使其在行為預測上表現相當優異，雖過去曾有多篇文獻使用類神經網路對選擇權進行評價，但至今尚未見其在避險上之運用，本研究運用基因演算法自動演化之類神經網路，掌握特定認購權證之時間價值與避險...

引用     導入Endnote

陳安斌;姜林杰祐;
頁: 1-10
日期: 1999/01
卷期: 05(2)
關鍵字: 外匯選擇權;實證研究;Black-Scholes評價模式;基因演算法;類神經網路 ;
Keywords: Currency option;Empirical study;Black-Scholes pricing model;Neural network ;
摘要: 本研究針對芝加哥商業交易所之德國馬克外匯選擇權市場進行實證研究，嘗試利用基因演算法自動演化之類神經網路來架構一新的選擇權評價模式，與傳統之Black-Scholes評價模式相比較，並評估這兩種方法對市場價格的誤差程度與解釋能力。研究期間涵蓋1990年至1992年，共計3年...

引用     導入Endnote