隨著經(jīng)濟(jì)社會(huì)的不斷發(fā)展和進(jìn)步,企業(yè)的經(jīng)營(yíng)業(yè)務(wù)和管理手段也在不斷的變化,導(dǎo)致公司的價(jià)值類(lèi)型也在不斷的更新。企業(yè)面臨的未知因素越來(lái)越多,管理決策的靈活性也越來(lái)越強(qiáng)。這使得以往用于企業(yè)價(jià)值評(píng)估的分析方法逐漸失效,主要在于其無(wú)法估計(jì)出公司的可變性變化帶來(lái)的那部分隱藏價(jià)值。實(shí)物期權(quán)恰好彌補(bǔ)了這部分的欠缺。它能夠估計(jì)公司以上所描述的隱藏價(jià)值,從而得到更準(zhǔn)確的價(jià)值評(píng)估結(jié)果。本文將從定性和定量?jī)蓚�(gè)角度對(duì)實(shí)物期權(quán)展開(kāi)研究。首先,在定性研究方面。由于實(shí)物期權(quán)發(fā)展并不是非常完全,導(dǎo)致其迄今并沒(méi)有一個(gè)統(tǒng)一的定義。本文就此根據(jù)實(shí)物期權(quán)的特點(diǎn),通過(guò)總結(jié)歸納大量文獻(xiàn)資料,概括性的給出實(shí)物期權(quán)的定義及其分類(lèi)。填補(bǔ)了實(shí)物期權(quán)這一部分的空白。其次,在定量研究方向。對(duì)實(shí)物期權(quán)進(jìn)行定價(jià)研究。根據(jù)其定價(jià)方面與金融期權(quán)的相似性,比照金融期權(quán)定價(jià)模型指標(biāo)選取了標(biāo)的物的現(xiàn)值S、實(shí)施價(jià)格X、公司價(jià)值的變動(dòng)率?、執(zhí)行時(shí)間T、無(wú)風(fēng)險(xiǎn)利率r,五個(gè)指標(biāo)作為實(shí)物期權(quán)定價(jià)模型的變量。從國(guó)泰安數(shù)據(jù)庫(kù)中搜集深圳證券交易所上市企業(yè)中的55家的財(cái)務(wù)數(shù)據(jù),計(jì)算以上指標(biāo)數(shù)值。再利用選定好的指標(biāo)運(yùn)用傳統(tǒng)實(shí)物期權(quán)定價(jià)模型——Black-Scholes定價(jià)模型對(duì)實(shí)... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

單期二項(xiàng)式模型定價(jià)變化

哈爾濱工業(yè)大學(xué)應(yīng)用統(tǒng)計(jì)碩士專(zhuān)業(yè)學(xué)位論文-15-圖2-2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖該網(wǎng)絡(luò)主要由三部分組成：輸入層、隱含層、輸出層，其中，輸入層、隱含層與輸出層節(jié)點(diǎn)的數(shù)量依次為r、n和m。X則代表該BP神經(jīng)網(wǎng)絡(luò)的最終輸入層的結(jié)果并且O和T分別表示與之相對(duì)應(yīng)的網(wǎng)絡(luò)實(shí)際輸出矩陣和期望輸出矩陣，W表示輸入層節(jié)點(diǎn)和隱含層節(jié)點(diǎn)相互關(guān)聯(lián)形成的權(quán)值數(shù)據(jù)，V為隱含層節(jié)點(diǎn)和輸出層節(jié)點(diǎn)相互關(guān)聯(lián)形成的權(quán)值數(shù)據(jù)，nBR和mCR為是隱層節(jié)點(diǎn)、輸出層節(jié)點(diǎn)的閾值數(shù)據(jù)。輸出層的輸出則展示為式（2-18）：11121111211212,rnnnnrmmmnnrmnOfVgWXBCwwwvvvWVwwwvvv(2-18)其中，1212,,,,,,,TTrmXxxxOooo，ijw表示的是兩層相連的權(quán)值。具體屬于隱層第i個(gè)節(jié)點(diǎn)和輸入層第j個(gè)節(jié)點(diǎn)的權(quán)值。ijv也表示的是兩層相連是權(quán)值。具體屬于隱層第j個(gè)節(jié)點(diǎn)和輸出層第i個(gè)節(jié)點(diǎn)的權(quán)值。f和g代表輸出層、隱層的作用函數(shù)。由于其實(shí)現(xiàn)過(guò)程規(guī)定激活函數(shù)必須是處處可微的。因此，隱含層神經(jīng)元的激活函數(shù)通常是Sigmoid型函數(shù)：1()1xgxe，輸出層作用函數(shù)通常選用取Purelin函數(shù)[44]。BP神經(jīng)網(wǎng)絡(luò)有兩種常見(jiàn)的學(xué)習(xí)算法。一種是輸入樣本進(jìn)入當(dāng)前網(wǎng)絡(luò)模型后，產(chǎn)生的誤差反向傳播，利用梯度下降法重新確定權(quán)值，稱(chēng)為在線(xiàn)方法。另一種方法是該網(wǎng)絡(luò)模型將全部樣本進(jìn)行學(xué)習(xí)過(guò)程，再重新確定權(quán)值，叫做批處理辦法。與前一種辦法對(duì)比，此方法的好處主要是速率高，不容易出現(xiàn)陷入局部最小值這種現(xiàn)象。批處理方法的具體步驟如下：

哈爾濱工業(yè)大學(xué)應(yīng)用統(tǒng)計(jì)碩士專(zhuān)業(yè)學(xué)位論文-20-層是使用非線(xiàn)性?xún)?yōu)化策略來(lái)調(diào)整激活函數(shù)（格林函數(shù)或高斯函數(shù)，通常是高斯函數(shù)）的參數(shù)，因此學(xué)習(xí)速度較慢。RBF神經(jīng)網(wǎng)絡(luò)運(yùn)行的基本思想是使用RBF函數(shù)作為隱藏單元的“基幢來(lái)形成隱藏層空間，并且輸入層將輸入信號(hào)直接傳輸?shù)诫[藏層，以便輸入向量可以簡(jiǎn)單（即不借助權(quán)重作用）傳輸?shù)诫[藏層節(jié)點(diǎn)，隱藏層單元的輸出是網(wǎng)絡(luò)輸入的RBF函數(shù)映射（非線(xiàn)性）；除了隱藏單元和輸出單元之間連接的權(quán)重之外，線(xiàn)性加權(quán)總和也是其可調(diào)節(jié)參數(shù)。在RBF神經(jīng)網(wǎng)絡(luò)中隱藏層的獨(dú)特作用在于將向量映射的維度升高，從而使得向量可以在高維度中變?yōu)榫�(xiàn)性可分向量。由此可見(jiàn)，RBF網(wǎng)絡(luò)整個(gè)過(guò)程屬于非線(xiàn)性過(guò)程，但算法輸出的各個(gè)參數(shù)卻為線(xiàn)性的，因此權(quán)值的計(jì)算就可以用線(xiàn)性方程組求得，就可以快速提高學(xué)習(xí)速度，同時(shí)也避免了局部極小值的題的發(fā)生[47]。其結(jié)構(gòu)及其常用作隱含層激活函數(shù)的Gaussian函數(shù)形狀如下圖3-1和圖3-2所示，圖3-1RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

【參考文獻(xiàn)】：
期刊論文
[1]基于參數(shù)優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)算法[J]. 翟瑩瑩,左麗,張恩德.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(02)
[2]基于RBF神經(jīng)網(wǎng)絡(luò)的伊犁馬體重估測(cè)模型[J]. 朱讓東,張?zhí)t,郭斌.  計(jì)算機(jī)技術(shù)與發(fā)展. 2020(03)
[3]實(shí)物期權(quán)定價(jià)問(wèn)題研究[J]. 鄭禮典.  北方經(jīng)貿(mào). 2018(09)
[4]基于神經(jīng)網(wǎng)絡(luò)和實(shí)物期權(quán)的新藥研發(fā)項(xiàng)目估值模型研究[J]. 薛永剛,張明麗.  中國(guó)新藥雜志. 2016(04)
[5]基于改進(jìn)的實(shí)物期權(quán)模型的新能源上市企業(yè)價(jià)值評(píng)估研究[J]. 卜洪運(yùn),李紅珊.  燕山大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2013(04)
[6]R&D項(xiàng)目的期權(quán)價(jià)值——基于跳擴(kuò)散模糊實(shí)物期權(quán)定價(jià)模型的數(shù)值模擬[J]. 王璐,謝德泳.  中南財(cái)經(jīng)政法大學(xué)研究生學(xué)報(bào). 2013(05)
[7]權(quán)證定價(jià)中的神經(jīng)網(wǎng)絡(luò)方法[J]. 高博,王啟敢,張艷鋒.  統(tǒng)計(jì)與決策. 2010(14)
[8]實(shí)物期權(quán)——兼顧靈活性和戰(zhàn)略性的項(xiàng)目投資管理工具[J]. 郭蕊.  蘭州學(xué)刊. 2006(03)
[9]基于人工神經(jīng)網(wǎng)絡(luò)的實(shí)物期權(quán)定價(jià)[J]. 吳立揚(yáng),馬文偉.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2004(01)
[10]實(shí)物期權(quán)方法在投資項(xiàng)目評(píng)估中的運(yùn)用[J]. 羊利鋒,雷星暉.  決策借鑒. 2001(03)

博士論文
[1]基于產(chǎn)品的高新技術(shù)虛擬企業(yè)價(jià)值評(píng)估研究[D]. 劉照德.華南理工大學(xué) 2013

碩士論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的山東省區(qū)域金融風(fēng)險(xiǎn)預(yù)警研究[D]. 李忠田.青島大學(xué) 2019
[2]基于集成學(xué)習(xí)的短文本聚類(lèi)[D]. 王小靜.華中科技大學(xué) 2019
[3]基于極限學(xué)習(xí)機(jī)的實(shí)物期權(quán)定價(jià)模型研究[D]. 趙丹丹.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2016
[4]基于BP神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估研究[D]. 羅文芳.杭州電子科技大學(xué) 2016
[5]基于改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)的航空公司績(jī)效評(píng)價(jià)模型研究[D]. 王序.哈爾濱工業(yè)大學(xué) 2015
[6]科技型中小企業(yè)專(zhuān)利質(zhì)押價(jià)值評(píng)估研究[D]. 武貫蘭.北京交通大學(xué) 2015
[7]RBF神經(jīng)網(wǎng)絡(luò)在認(rèn)股權(quán)證定價(jià)中的應(yīng)用研究[D]. 楊梁玉.廈門(mén)大學(xué) 2009
[8]實(shí)物期權(quán)方法在風(fēng)險(xiǎn)投資決策評(píng)價(jià)中的應(yīng)用研究[D]. 張瑩.中南大學(xué) 2004
[9]基于人工神經(jīng)網(wǎng)絡(luò)的實(shí)物期權(quán)定價(jià)方法研究[D]. 馬文偉.武漢理工大學(xué) 2004



本文編號(hào)：3402621