Black-Scholes選擇權定價模型是各種選擇定價的開山始祖，無論在理論或實務上均獲致許多的便利及好評，美中不足的是，這種既定模型下結構化參數的估計問題，在真實體系的結構訊息未知或是不明朗時，或是模式錯誤，亦或政治結構或金融環境不知時，該模型在實證資料的評價上會面臨價格偏誤的窘境。是故，許多的數值演算法（numerical algorithms）便因應而生，這些方法一則源於對此基本模型的修正，一則是屬於逼近的數值解。 評價選擇權的方法雖不一而足，然所有的這些理論或模型可分為二大類即模型驅動的理論（model-drive approach）及資料驅動的理論（data-driven approach）。前者是建構在許多重要的假設，當這些假設成立時，則選擇權的價格可用如Black-Scholes偏微分方程來表示，而後再用數值解法求算出，許多的數值方法即屬於此類的範疇；而資料驅動的理論（data-driven approach），其理論的特色是它的有效性（validity）不像前者是依其假設，職是之故，他在處理現實世界的財務資料時更顯見其具有極大的彈性。這些以計算智慧（computation intelligence）為主的財務計量方法，如人工神經網路（ANNs），遺傳演算法（GAs），遺傳規劃（GP）已在財務工程（financial engineering）領域上萌芽，並有日趨蓬勃的態勢，而將機器學習技術（machine learning techniques）應用在衍生性商品的定價，應是目前財務應用上最複雜及困難，亦是最富挑戰性的問題。 本文除了對現有文獻的整理評析外，在人工神經網路方面，除用於S&P 500的實證外，並用於台灣剛推行不久的認購構證評價之實證研究；而遺傳規劃在計算智慧發展的領域中，算是較年輕的一員，但發展卻相當的快速，雖目前在經濟及財務上已有一些文獻，但就目前所知的二篇文獻選擇權定價理論的文獻中，仍是試圖學習Black-Scholes選擇權定價模型，而本文則提出修正模型，使之成為完全以資料驅動的模型，應用於S&P 500實證，亦證實可行。最後，本文結合計算智慧中的遺傳演算法（ genetic algorithms）及數學上的加權殘差法（weight-residual method）來建構一條除二項式定價模型，人工神經網路定價模型，遺傳規劃定價模型等資料驅動模型之外的另一種具適應性學習能力的選擇權定價模式。 / The option pricing development rapid in recent years. However, the recent rapid development of theory and the application can be traced to the pathbreaking paper by Fischer Black and Myron Scholes(1973). In that pioneer paper, they provided the first explicit general equilibrium solution to the option pricing problem for simple calls and puts and formed a basis for the contingent claim asset pricing and many subsequent academic studies. Although the Black-Scholes option pricing model has enjoyed tremendous success both in practice and research, Nevertheless, it produce biased price estimates. So, many numerical algorithms have advanced to modify the basic model. I classified these traditional numerical algorithms and computational intelligence methods into two categories. Namely, the model-driven approach and the data-driven approach. The model-driven approach is built on several major assumptions. When these assumption hold, the option price usually can be described as a partial differential equation such as the Black-Scholes formula and can be solved numerically. Several numerical methods can be regarded as a member of this category. There are the Galerkin method, finite-difference method, Monte-Carlo method, etc. Another is the data-driven approach. The validity of this approach does not rests on the assumptions usually made for the model-driven one, and hence has a great flexibility in handling real world financial data. Artificial neural networks, genetic algorithms and genetic programming are a member of this approach. In my dissertation, I take a literature review about option pricing. I use artificial neural networks in S & P 500 index option and Taiwan stock call warrant pricing empirical study. On the other hand, genetic programming development rapid in recent three years, I modified the past model and contruct a data-driven genetic programming model. andThen, I usd it to S & P 500 index option empirical study. In the last, I combined genetic algorithms and weight-residual method to develop a option pricing model.

本研究的主要目的是希望喚起國內、外學者對演化科學在經濟學上的重視，結合電腦、生物科技、心理學與數學於經濟學中，希望對傳統經濟學上因簡化假設而無法克服的實際經濟問題，可以利用電腦模擬技術獲得解決，並獲取新知與技能。 本研究共有六章，第一章為緒論，敘述緣由與研究動機。第二章介紹傳統經濟學的缺失，再以資料掘取知識及智慧系統建構金融市場。第三章則介紹各種不同人工智慧的方法以模擬金融市場的投資策略。第四章建立無結構性變遷時間序列模型--交易策略電腦模擬分析，僅以遺傳演算法模擬金融市場的投資策略，分別由投資組合、交易成本、調適性、演化、與統計的觀點對策略作績效評分析。第五章則建立簡單的結構性變遷模型，分別由調適性與統計的觀點，採取遺傳演算法再對投資策略進行有效性評估分析。第六章則利用資料掘取知識與智慧系統結合計量經濟學的方法，建構遺傳演算法發展投資策略的步驟，以台灣股票市場的資料進行實証研究，分別就投資策略、交易成本、調適性與演化的觀點作分析。最後一章則為結論。 未來研究的方向有： 1. 其他各種不同人工智慧的方法的比較分析，如人工神經網路、遺傳規劃法等進行績效的交叉比較分析。 2. 利用分類系統(Classifier System)與模糊邏輯的方法，改善標準遺傳演算法對策略編碼的效率，並建構各種不同的複雜策略以符合真實世界的決策過程。 3. 建構其他人工時間資料的模擬比較分析，例如ARCH (Autoregressive Conditional Heteroskedasticity)模型、Threshold 模型、 確定性(Deterministic) 模型等其他時間序列模型與更複雜的結構性變遷模型。 4. 進一步研究遺傳演算法所使用的完整資訊(例如，各種不同指標的選取)。 5. 本研究係採用非即時分析系統(Offline System)，進一步研究即時分析系統 (Online Sysetem)在實務上是有必要的。 / Historically, the study of economics has been advanced by a combination of empirical observation and theoretic development. The analysis of mathematical equilibrium in theoretical economic models has been the predominant mode of progress in recent decades. Such models provide powerful insights into economic processes, but usually make restrictive assumptions and appear to be over simplifications of complex economic system. However, the advent of cheap computing power and new intelligent technologies makes it possible to delve further into some of the complexities inherent in the real economy. It is now feasible to create a rudimentary form of “artificial economic life”. First, we build the framework of artificial stock markets by using data mining and intelligent system. Second, in order to analyze competition among buyers and sellers in the artificial market, we introduce various methods of artificial intelligence to design trading rules, and investigate how machine-learning techniques might be applied to search the optimal investment strategy. Third, we create a miniature economic laboratory to build the artificial stock market by genetic algorithms to analyze investment strategies, by using real and artificial data, which consider both structural change and nonstructural change cases. Finally, we use statistical analysis to examine the performance of the portfolio strategies generated by genetic algorithms.

民96年5月民法親屬編修法前，我國強制認領制度存有不少爭議與缺失，其乃立於生父之立場，儘量設置多重限制，以阻止非婚生子女取得婚生子女之地位。不過，經過民國96年5月民法親屬編之修法，強制認領制度在我國立法沿革上產生重大變革，不僅刪除有關強制認領請求權行使條件及行使期間之限制，更刪除向來遭受詬病之不貞抗辯規定，同時承認死後認領制度，對於非婚生子女權益之維護，與真實主義之追求，均可獲得保障。不過，就死後認領效力之部分，因受限於民法第1069條但書之規定，被認領人對於已死亡生父之遺產無法享有繼承權，故就結論而言，死後認領對非婚生子女實質意義不大，使得此次修法之規範目的無法達成。因此本文建議，可將同條但書之「第三人」透過目的性限縮之方式排除生父之其他繼承人在外，同時立法論上參照日本民法之規定，設計遺產分割後僅能請求支付相當於應繼分之價額之制度，以權衡遺產分割之安定性與被認領人之利益。 鑑於DNA鑑定技術在現今已成為親子關係解明之最佳利器，於認領訴訟上即應積極運用，課予當事人或第三協力義務，以協助發現真實，達成實體法上之規範目的。例如，在當事人就親子關係之存在已為一定程度之釋明後，DNA鑑定即得作為法院優先調查之證據；在現行法下，為發揮勘驗命令之效用，於當事人無正當理由不從法院所為之檢查命令時，宜於訴訟上依證明妨礙之規定對其為不利之判斷，以達到制裁之效果；甚至在立法論上，基於發現血統真實、保障子女之血統認識權，無論係對訴訟當事人或訴外關係人，皆可考慮採取直接強制之手段以迫其履行協力義務。惟，在積極運用血緣鑑定技術之同時，為兼顧保障檢查義務人之人權，對於使用之時機與手段亦須慎重。例如：原告起訴時須先提出一定之客觀事實而足以懷疑某人為生父，以防止證據無端摸索；義務人有健康受損等正當理由時，得拒絕接受檢查；如立法論上承認對當事人或關係人得採取直接強制之手段，則應注意「直接強制之最後手段性」等。如此一來，方能在兼顧發現真實與保障人權之前提下，達成實體法上之規範目的。 最後，強制認領之變革亦可能對人工生殖政策產生衝擊。亦即，基於民國96年5月民法親屬編修法已承認死後認領，透過類推適用之方式，子女婚生性之問題應可獲得解決，且進而可發生親屬間扶養或代位繼承之效力，因而本文認為，倘若相關制度上之設計能給予該子女一個符合正常人格發展之環境，則在可以符合子女利益之原則下，將來人工生殖法未必無開放死後人工生殖之空間。至於如有法規範外之死後人工生殖子女之出生，在亡父生前同意之前提下，應准許其類推適用民法第1067條規定請求死後認領，以保護留後子女之利益。

科学研究費補助金 研究種目:基盤研究(C) 課題番号:17510006 研究代表者:石坂 隆 研究期間:2005-2006年度