← 回論文發表 ｜ 吳牧恩教授
白話導讀 Engineering Applications of AI SCI · IF 9.0 · Q1 2026/07

用三種 AI 合力，預測「最敏感」的期權價格

A Hybrid Multi-Model Architecture for At-the-Money Options Forecasting

Mu-En Wu, Kuan-Li Ko, Jimmy Ming-Tai Wu*

一句話：這篇論文打造了一個叫 FusioNet 的 AI 模型——讓「三個各有專長的神經網路」一起看盤， 專門預測「價平期權」那種又快又猛的價格波動，並把預測直接接成一套可以實戰的自動交易策略。

先問：這在解什麼問題？the problem

期權（選擇權）裡最難搞的，是「價平（At-the-Money, ATM）」那一檔——它的履約價最接近目前市價， 因此對市場的任何風吹草動反應都最劇烈。尤其在「高頻、高波動」的盤中，價平期權的權利金常常出現 異常跳動：漲跌又快又急，傳統的單一預測模型往往抓不住。

白話比喻：如果把整個期權市場想成一群人，價平期權就是那個「情緒最敏感、反應最大」的人—— 它最能反映市場當下的緊張程度，但也最難預測下一秒會怎麼跳。

怎麼做？FusioNet 三合一the method

作者的想法很直覺：單一模型看不全，就讓三種各有專長的 AI 分工合作，再把它們的判斷「融合」起來（Fusio = fusion）。

CNN

看「型態」

卷積神經網路，擅長抓局部形狀與短期紋路——像在 K 線圖上辨認出現的圖形。

Transformer

抓「重點關聯」

注意力機制，擅長找出「哪些時刻彼此影響最大」，跨時間抓住關鍵訊號。

LSTM

記「來龍去脈」

長短期記憶網路，擅長沿著時間順序，記住前面發生了什麼、推斷接下來走向。

盤中資料 + ATMS 指標 CNN 局部型態 Transformer 重點關聯 LSTM 時間順序 FusioNet 融合 預測 方向 + 幅度 交易 策略
FusioNet：三個模型各抓一種特徵，融合後同時預測「漲跌方向」與「波動幅度」，再接成端到端的交易策略。

兩個關鍵巧思what's new

① ATMS 新指標

作者提出「At-the-Money Sum（ATMS）」這個新的量化指標，把價平期權的異常波動轉成一個可觀測、可餵給模型的訊號——先把「難以捉摸的市場異常」變成看得見的數字。

② 雙目標學習

模型的訓練目標同時要求「猜對方向」和「猜準幅度」（dual-objective loss），而不是只顧一半——這讓預測既知道會漲會跌，也知道大概會動多少。

帶來什麼？why it matters

FusioNet 不只是「給一個預測數字」而已，作者把它接成一套端到端（end-to-end）的期權交易框架， 包含策略篩選機制；並在高頻情境下驗證了它的即時可用性與穩健性。也就是說——從「看盤預測」到「下單策略」是一條完整的鏈路，具備實戰可行性。

閱讀原始論文（ScienceDirect） →
本頁為方便一般讀者理解的「白話導讀」，非論文原文；技術細節、實驗數據與完整結論請以正式發表版本為準。
出處：Mu-En Wu, Kuan-Li Ko, Jimmy Ming-Tai Wu*, A Hybrid Multi-Model Architecture for At-the-Money Options Forecasting, Engineering Applications of Artificial Intelligence, Jul. 2026.