隱含波動度不對稱效果對選擇權市場參與者是很重要的，因為隱含波動度變大可增加選擇權買方的報酬相對的會減少選擇權賣方的報酬，並且對選擇權避險者來說是一種額外的風險。過去許多文獻皆已證實股票報酬波動度具有不對稱效果，所謂不對稱效果一般是指負向衝擊對報酬波動度增加的影響較正向衝擊大。然而多數研究是以條件變異數作為波動度的衡量，本研究則打算以選擇權之隱含波動度作為波動度的衡量。研究對象為歐洲期貨交易所交易之二十四家德國公司個股選擇權，利用EGARCH模型探討股票價格變動對個股選擇權之隱含波動度不對稱效果，研究期間從2000年2月14日至2001年12月31日。在不對稱效果成立之下，進而探討公司財務槓桿及公司規模對隱含波動度不對稱程度之影響。除以最小平方法模型分析並與Koutmos and Saidi(1995)對照外，更進一步以Panel Data模型加入公司效果或時間效果作為本研究最終目的的分析依據，研究期間從2000年至2001年。 本研究實證結果如下： 1.大多數公司股票選擇權之隱含波動度具有不對稱效果，也就是負向價格變動對隱含波動度增加的影響較正向價格變動大，只有兩家公司例外。 2.以最小平方法模型分析公司財務槓桿對隱含波動度不對稱程度的影響，實證結果與Koutmos and Saidi(1995)不一致，且不能支持Black（1976）所提出槓桿效果能用以解釋隱含波動度不對稱效果之假說，產生遺漏變數偏誤。 3.以Panel Data模型加入公司效果或時間效果之考量，分析公司財務槓桿對隱含波動不對稱程度的影響。實證發現隱含波動度不對稱效果可歸因於財務槓桿假說，此外證實存在時間效果但不存在公司效果。 4.公司規模會影響隱含波動度不對稱程度，兩者呈現正向關係。也就是說規模較大的公司對負向衝擊的反應較規模較小的公司敏感，實證結果與Koutmos and Saidi(1995)一致。

CBOE於2006年2月推出了VIX選擇權，本論文利用2006年2月24日至2010年6月30日的VIX選擇權資料，計算出其隱含波動度，結果發現VIX選擇權的隱含波動度具有以下性質：(1)隱含波動度隨著價內外程度的提高而上升，故其笑狀波幅大致呈現由左下至右上的型態；(2)隱含波動度隨著到期時間的減少而上升，愈長期的合約平均來說隱含波動度愈低；(3)隨著到期時間的減少，笑狀波幅的斜率更為增加，即隨著到期日的接近，微笑波幅更為陡峭，價內和價外選擇權的隱含波動度的差距加大；(4)VIX和VIX的波動度具有正向的不對稱關係，即VIX的上漲將使VIX波動度上升，且VIX上漲使VIX波動度上升的幅度大於VIX下跌使VIX波動度下降的幅度。 VIX選擇權中，除了價內外程度，到期時間也扮演著相當重要的角色。不論是從樣本內的配適度或是從評價結果來看，加入到期時間因子後，誤差都有大幅的改善，顯示到期時間對於評價選擇權價格很重要，以價內外程度和到期時間作為解釋變數的模型在評價上擁有最高的準確度，而且評價誤差相當穩定，在各個年度當中並沒有明顯的落差。 而本文最佳的模型與Wang ＆ Daigler (2011)使用過去各個模型得到的評價誤差作比較，即便和Wang認為最佳的Whaley模型相比，誤差仍然勝過Whaley模型，因此我們可以推論市場上的交易者或許仍然是採用較簡單的方式來評價選擇權，而非透過類似Lin ＆ Chang此類複雜的模型。

本文主要探討基因演算法(genetic algorithms)與S&P500指數選擇權為研究對象，利用基因演算法的模型來估測選擇權的隱含波動度後，進而求出選擇權的最適價值，用此來比較過去文獻中利用Jump-Diffusion Model、Stochastic Volatility Model與Local Volatility Model來估算選擇權的隱含波動度，使原始BS model中隱含波動度之估測更趨完善。在此篇論文中，以基因演算法求估的選擇權波動度以0.052的平均誤差值優於以Jump-Diffusion Model、Stochastic Volatility Model與Local Volatility Model求出之平均誤差值0.308，因此基因演算法確實可應用於選擇權波動度之求估。 / In this paper a different approach to the BS Model is proposed, by using genetic algorithms a non-parametric procedure for capturing the volatility smile and assess the stability of it. Applying genetic algorithm to this important issue in option pricing illustrates the strengths of our approach. Volatility forecasting is an appropriate task in which to highlight the characteristics of genetic algorithms as it is an important problem with well-accepted benchmark solutions, the models mention in the previous literatures mentioned above. Genetic algorithms have the ability to detect patterns in the conditional mean on both time and stock depend volatility. In addition, the stability test of the genetic algorithm approach will also be accessed. We evaluate the stability of the new approach by examining how well it predicts future option prices. We estimate the volatility function based on the cross-section of reported option prices one week, and then we examine the price deviations from theoretical values one week later.

We examine how investor sentiment affects the changes in implied volatility, and discover investor sentiment has impact on the size of the changes in implied volatility through returns, especially when returns are negative. We examine the short-tern relation between the S&P 500 index returns and the changes of VIX from January 1990 to January 2011, and between the NASDAQ-100 index returns and the changes of VXN from February 2001 to January 2011 with proxy for beginning-of-period investor sentiment at both the daily and weekly level. We find that during high sentiment periods, the negative and asymmetric relation of return to changes in implied volatility can be mitigated significantly. When returns are segregated into positive and negative returns, investor sentiment has different impact on the size of changes in implied volatility. In negative returns, investors are more panic than in positive returns, but the panic can be mitigated significantly when investors are in high sentiment. Thus, sentiment can alter the risk attitude of investors and reduce their panic in the future, especially when market has negative performance.

由於一般投資人在買進或賣出選擇權時，並不會同時買進多個履約價的選擇權，故會造成選擇權隱含波動度的微笑曲線出現有不連續的現象。本文嘗試運用台指選擇權建構一個日內的隱含波動度微笑曲線交易策略，利用曲線配適的方法來捕捉瞬間時點下隱含波動度曲線發生不連續的現象，雖然最後出來的損益並不如預期但還是驗證了台指選擇權市場有多次這種不連續的機會且價格失衡的狀態會回歸正常。 / Option’s implied volatility smile curves discontinuous phenomenon exists when general investors buy or sell options, they won’t buy in every strike’s options. This paper attempts to use Taiwan Index Options (trading code: TXO) to construct a trading strategy based on the implied volatility. We use curve fitting method to capture volatility smile curve’s instant discontinuous. Although we find out that the strategy won’t make a profit, there were several times when TXO market’s implied volatility smile curves were discontinuous, and the market option price will eventually go back to the theoretical price.

摘要 本文是利用1998年底以前券商發行的15支認購權證為研究標的，試圖說明不同波動度的估計方法，會使得認購權證的理論價與市價產生不同的誤差，藉以提供券商在評價認購權證上作一參考。本文的實證結果發現：（1）在波動度的參數估計上，各模型均有波動度群集效果，但是訊息不對稱的效果各模型卻無一致性的結果；（2）在各模型的預測能力比較上，ARCH-M(1,1)模型都比ARCH(1,1)的預測能力佳。歷史波動度對於標的股的波動度小具有較佳的預測能力，而EGARCH-M(1,1)模型與GJR-GARCH-M(1,1)模型在預測波動度較大的標的股時具有較佳的預測結果；（3）以預測誤差百分比來比較各模型在預測認購權證上何者具有較小的誤差，結果發現：不論有無考慮交易成本及間斷性避險，預測能力最差的是歷史波動度，而預測能力最佳的則是隱含波動度模型，此乃因為台灣認購權證市場只有認購權證而無認售權證所致；（4）以市場溢價來比較那一支認購權證較值得投資者購買，結果發現：若權證處於價外，會使得市場溢價過高，而不利投資者購買；相反，若權證價格處於價內，則使得市場溢價較低，投資者購買較有利；（5）利用Delta法及Delta-Gamma法來計算大華01可發現：不同波動度的估計方法會影響該權證的涉險值，由於隱含波動度明顯高於其他方法所估算的值，故以隱含波動度計算的涉險值也就高於其他模型之涉險值。 目錄 謝辭 摘要 第一章 緒論 第一節 研究背景與動機 ………………………………………….1-1 第二節 研究問題與目的 ………………………………………….1-4 第三節 論文架構與流程 ………………………………………….1-5 第二章 文獻回顧 第一節 隨機波動度模型 ……………………………………….2-1 壹 Hull & White（1987）模型 …………………………..2-1 貳 Wiggins（1987）模型 ………………………………..2-3 參 Johnson & Shanno（1987）模型 …………………….2-4 肆 Scott（1987）模型 …………………………………...2-5 伍 Stein & Stein（1991）模型 …………………………..2-6 陸 Heston（1993）模型 …………………………………2-8 第二節 GARCH體系---波動度估計之方法 ……………………2-10 壹 GARCH模型 …………………………………………2-10 貳 EGARCH模型 ………………………………………..2-10 參 GJR-GARCH模型 ……………………………………2-11 肆 N-GARCH模型 ………………………………………2-12 伍 T-GARCH模型 ………………………………………2-12 第三章 研究方法 第一節 波動度之估計方法 ……………………………………….3-1 壹 歷史波動度 ……………………………………………3-1 貳 GARCH(1,1)模型 ……………………………………..3-2 參 EGARCH(1,1)模型 …………………………………..3-3 肆 GJR-GARCH（1,1）模型 …………………………...3-5 伍 ARCH-M（1,1）模型 ………………………………..3-7 陸 隱含波動度模型（Implied Volatility） ………………3-8 第二節 選擇權評價公式之探討 ………………………………….3-24 壹 Black & Scholes的選擇權評價模型 ………………...3-24 貳 考慮交易成本極間斷性避險下的選擇權評價模型 ...3-25 第四章 實證結果與分析 第一節 波動度的估計與預測能力 ………………………………4-1 第二節 選擇權評價理論的實證結果 …………………………4-18 第三節 認購權證涉險值（VAR）之衡量與應用 ………………4-53 第五章 結論與建議 ……………………………………………….5-1 附錄 …………………………………………………………附-1 參考文獻 …………………………………………………………Ⅰ

由於隱含波動度具有前瞻性的特質，以往有許多學者探討隱含波動度與標的股價指數間的關聯性，但多利用線性模型。而本研究與其他文獻不同之處在於，本文利用馬可夫轉換模型分析隱含波動度VIX和VXN(VIX為S&P500指數的隱含波動度，而VXN為Nasdaq-100指數的隱含波動度)，馬可夫轉換模型為非線性模型，可捕捉不同區間轉換與不規則跳動，隱含波動度在特殊金融事件發生時會突然竄高，馬可夫轉換模型相對於一般線性模型更可捕捉此跳動，並將隱含波動度分為兩個區間。 　　經由多變量迴歸分析後，本研究也發現隱含波動度的變動以及技術指標的趨勢（偏離五天移動平均值）皆會影響標的股價指數的報酬，但隱含波動度變動對於股價指數報酬的影響高於技術指標，且不同區間存在不同現象。 / Implied volatility indices are forward-looking, and lots of researches discuss the relationship between the implied volatility and underlying stock market returns. Dif-ferent from other studies, we use Marcov switching model to examine the implied volatility indices: S&P 500 volatility index (VIX) and NASDAQ-100 volatility index (VXN), then we separately exploit the different regime behavior about the relationship between implied volatility change, technical indicators and stock market returns. As a result, S&P 500 index and NASDAQ-100 index respond in opposite direc-tions to positive and negative S&P 500 volatility index (VIX) and NASDAQ volatility index (VXN) changes, where technical indicators do not have that much influence on stock market returns. In addition, the impact of implied volatility change, technical indicators to stock market returns indeed depend on different regimes.

本研究嘗試探討股價指數期貨選擇權的資訊內涵，並與股價指數選擇權及歷史波動度的資訊內涵加以比較。我們的研究標的為2000年2月至2003年3月的S&P 500指數、指數選擇權及指數期貨選擇權，首先說明三個資料序列的敘述統計量，並使用單根檢定以確定資料序列為定態，符合迴歸分析的假設，再來探討原始隱含波動度的資訊內涵，然後嘗試以門檻自我迴歸模型修正隱含波動度，但檢定發現隱含波動度門檻效果並不存在，接下來以Christensen and Prabhala (1998)提出的工具變數修正隱含波動度，並探討修正後隱含波動度的資訊內涵，最後使用包含迴歸模型比較指數選擇權及指數期貨選擇權對指數的資訊內涵。得出結論如下： 1.指數選擇權與指數期貨選擇權隱含波動度均具有指數已實現波動度充分資訊，指數選擇權的資訊內涵較指數期貨選擇權為高。指數選擇權與指數期貨選擇權隱含波動度均無法作為已實現波動度的不偏估計量。歷史波動度沒有隱含波動度未包含的資訊。隱含波動度的衡量誤差並不存在。 2.指數選擇權與指數期貨選擇權隱含波動度門檻效果均不存在。前一期隱含波動度與當期隱含波動度並不顯著相關，歷史波動度與當期隱含波動度相關性較高，但使用上述兩種工具變數修正隱含波動度並不能增加對已實現波動度的解釋能力。 3.指數選擇權對指數的資訊較指數期貨選擇權為多，但指數選擇權與指數期貨選擇權隱含波動度均含有對方所缺乏的解釋能力，沒有一個隱含波動度完全包含另外一個隱含波動度的資訊。

本文提出一個動態隱含波動度函數模型，以改善一般隱含波動度函數難以隨時間的經過而調整波動度曲線且無法描述資料的時間序列特性等缺點。本文模型為兩階段隱含波動度函數模型，分別配適隱含波動度函數的時間穩定(time-invariant)部分與時間不穩定(time-variant)部分。 本文模型在波動度的時間不穩定部分配適非對稱GARCH(1,1)過程，以描述隱含波動度的時間序列特性。本文使用的非對稱GARCH(1,1)過程將標的資產的正報酬與負報酬對價平隱含波動度的影響分別估計，並將蘊含於歷史價平隱含波動度中的訊息及標的資產報酬率與波動度之間的關連性藉由價平隱含波動度過程納入隱含波動度函數中，使隱含波動度函數能納入波動度的時間序列特性及資產報酬與波動度的相關性，藉此納入最近期的市場資訊，以增加隱含波動度模型的解釋及預測能力。時間穩定部分則根據Pena et al.(1999)的研究結果，取不對稱二次函數形式以配適實證上發現的笑狀波幅現象。時間穩定部分並導入相對價內外程度做為變數，以之描述價內外程度、距到期時間、及價平隱含波動度三者的交互關係；並以相對隱含波動度作為被解釋變數，使隱含波動度函數模型除理論上包含了比先前文獻提出的模型更多的訊息及彈性外，還能描繪「隱含波動度函數隨波動度的高低水準而變動」、「越接近到期日，隱含波動度對價內外程度的曲線越彎曲」、「隱含波動度函數為非對稱的曲線」、「波動度和資產價格有很高的相關性」等實證上常發現的現象。 本文以統計測度及交易策略之獲利能力檢定模型的解釋能力及預測能力是否具有統計與經濟上的顯著性。本文歸納之前文獻提出的不同隱含波動度函數模型，並以之與本文提出的模型做比較。本文以台指選擇權五分鐘交易頻率的成交價作為實證標的，以2003年1月1日~2006年12月31日作為樣本期間，並將模型解釋力及AIC作為模型樣本內配適能力之比較標準，我們發現本文提出的模型具有最佳的資料解釋能力。本文以2006年7月1日~2006年12月31日作為隱含波動度模型預測期間，以統計誤差及delta投資策略檢定模型的預測能力是否具有統計及經濟上的顯著性。實證結果指出，本文提出的模型對於預測下一期的隱含波動度及下一期的選擇權價格，皆有相當良好的表現。關於統計顯著性方面，我們發現本文提出的動態隱含波動度函數模型對於未來的隱含波動度及選擇權價格的預測偏誤約為其他隱含波動度函數模型的五分之一，而預測方向正確頻率亦高於預測錯誤的頻率且超過50%。關於經濟顯著性方面，本文使用delta投資組合進行經濟顯著性檢定，結果發現在不考慮交易成本下，本文提出的模型具有顯著的獲利能力。顯示去除標的資產價格變動對選擇權造成的影響後，選擇權波動度的預測準確性確實能經由delta投資組合捕捉；在考慮交易成本後，各模型皆無法獲得超額報酬。最後，本文提出的動態隱含波動度函數模型在考量非同步交易問題、30分鐘及60分鐘等不同的資料頻率、不同的投資組合交易策略後，整體的結論依然不變。 / This paper proposes a new implied volatility function to facilitate implied volatility forecasting and option pricing. This function specifically takes the time variation in the option implied volatility into account. Our model considers the time-variant part and fits it with an asymmetric GARCH(1,1) model, so that our model contains the information in the returns of spot asset and contains the relationship of the returns and the volatility of spot asset. This function also takes the time invariant in the option implied volatility into account. Our model fits the time invariant part with an asymmetric quadratic functional form to model the smile on the volatility. Our model describes the phenomena often found in the literature, such as the implied volatility level increases as time to maturity decreases, the curvature of the dependence of implied volatility on moneyness increases as options near maturity, the implied volatility curve changes as the volatility level changes, and the implied volatility function is an asymmetric curve. For the empirical results, we used a sample of 5 minutes transaction prices for Taiwan stock index options. For the in-sample period January 1, 2003–June 30, 2006, our model has the highest adjusted- and lowest AIC. For the out-of-sample period July 1, 2006–December 31, 2006, the statistical significance shows that our model substantially improves the forecasting ability and reduces the out-of-sample valuation errors in comparison with previous implied volatility functions. We conjecture that such good performance may be due to the ability of the GARCH model to simultaneously capture the correlation of volatility with spot returns and the path dependence in volatility. To test the economic significance of our model, we examine the profitability of the delta-hedged trading strategy based on various volatility models. We find that although these strategies are able to generate profits without transaction costs, their profits disappear quickly when the transaction costs are taken into consideration. Our conclusions were unchanged when we considered the non-synchronization problem or when we test various data frequency and different strategies.

本研究主要探討幾個廣受市場投資人所使用的波動度預測模型，如歷史波動度法、指數加權移動平均法、GARCH、EGARCH以及隱含波度，另外再考慮近年才被學者提出的RLS模型與A-RLS模型，一同比較它們對於台灣市場波動度的預估能力，並擇一最優者，作為從事波動度交易的訊號依據。本文在進行波動度交易之實證，主要是利用選擇權與期貨組合、選擇權與delta期貨組合、跨式交易策略與勒式交易策略等四種廣為波動度交易者使用之波動度交易策略，進而比較它們在樣本外的交易績效。本波動度預測的實證發現，樣本內的預測能力，是以GARCH和RLS模型最佳，而樣本外的預估能力，則是GARCH表現最好。另外，波動度交易的驗證結果顯示，若持有至次一交易日即平倉，勒式交易策略於買進波動度時會有最高的績效，而當放空波動度時，則是跨式交易策略會有最佳的表現。