271 / 414
臺大管理論叢
第
27
卷第
1
期
271
涂登才與劉祥熹
(2012)
利用
Carr and Madan (1999)
建議的快速傅立葉轉換技術來
計算跳躍擴散、隨機波動及混合模型下選擇權的價格，藉由快速傅立葉轉換可使得選
擇權價格函數為一平方可積函數，在積分交換位置後可簡化選擇權價格之計算。加速
計算的最大優點是可進行複雜模型下選擇權市場的實證研究，例如：涂登才與劉祥熹
(2012)
即利用上述模型針對臺指選擇權進行實證分析。
王明隆與蕭義龍
(2006)
探討離散式兩資產障礙選擇權
(Discrete Two-asset Barrier
Option)
之評價，由於離散式檢查
(Discrete Monitoring)
會導致選擇權價格
(i.e., Partial
Differential Equation (PDE)
之解析解
)
在各離散檢查點呈現不連續之狀態，因此作者將
PDE
在各離散檢查點之初始條件重新定義，並推導出遞迴積分式以有效地求得離散式
兩資產障礙選擇權的價格。
此外，部分金融商品或保險年金常隱含最低收益保證等類似選擇權性質的條款，
由於最低收益保證可能影響投資決策，因此這類型選擇權的價值很難抽離出來計算，
必須採用特殊的方法來處理分析。例如：周國端與吳志遠
(2005)
探討國民年金的最低
收益保證對於國民年金基金最適資產配置決策的影響，作者採用的求解方法是線性隨
機規劃法
(Linear Stochastic Programming)
，以求得各期之資產配置金額的最佳解。此
外，李志偉、張銘仁、黃憲彰與羅烈明
(2009)
在考慮風險偏好及閉鎖期、
resetting
、
reloading
等三種特性下，採用動態規劃法來評價員工股票選擇權。
國內文獻也有一些採用非傳統財務方法來評價（或計算）選擇權價格，例如：陳
安斌與張志良
(2001)
運用基因演算法自動演化之類神經網路來對選擇權進行評價與避
險；施東河與王勝助
(2001)
亦使用類神經網路建立認購權證評價模式，作者以影響權
證價格的五項因子作為輸入變數，分別以倒傳遞網路
(Back Propagation Network)
與半
徑式函數網路
(Radial Basis Function Network)
建立評價模式，並藉差異分析找出可改
善學習績效之變數；
Hsieh, Fang, and Goo (2009)
也是採用類神經網路來對台股指數買
權
(TAIEX call option)
進行評價；黃永成
(2011)
使用灰色關聯分析
(Grey Relational
Analysis)
法尋找
Black and Scholes
模型之外足以影響選擇權價格的因素，然後再透過
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，
以尋找更精確的選擇權評價方法；
Jiang, Liu, Feng, and Lai (2012)
則在考慮信用風險及
流動性風險下，採用模糊集合理論
(Fuzzy Set Theory)
來定價歐式選擇權，作者推導出
選擇權價格之上限及下限的解析近似公式。這類的研究方法欠缺無套利的重要精神，
而且無法解釋風險與報酬間的關係，因此較不為主流財務學者或期刊所接受。
參、衍生性金融商品避險與套利策略
避險與套利為衍生性金融商品主要功能，在避險方面，由於任何交易均存在風險，
如價格變動風險、利率風險、匯率風險或通貨膨脹風險等。為了降低這些伴隨著交易