GARCH模型引進已經大量被應用到期權定價,因此本文設想利用MCMC方法結合GARCH期權定價理論來對歐式期權進行定價,叫做MCMC-GARCH方法。利用MCMC方法從期權價格中提出有用信息以及對待估參數提供先驗分布,從而避免的無方向的最優(yōu)化,是一種有效的貝葉斯估計方法。通過對2010年2月1日到2010年2月26日的S&P100 （XEO）歐式期權（共4432個數據）定價的實證分析中發(fā)現,由于MCMC方法和GARCH模型自身的優(yōu)點,所以MCMC-GARCH能夠得到較高精度的預測結果。本文第一部分簡述了相關的研究狀況,以及本文選題意義；第二段是對本文所用到的模型進行了概括,首先對MCMC方法進行了大致介紹,這是本文的基礎,并且介紹Gibbs取樣和幾類Metropolis-Hastings算法,而Independent Metropolis-Hastings算法正是本文使用的方法,然后對GARCH定價模型進行了論述,這是本文使用的定價方法；GARCH歐式期權定價方法可以很容易擴展到美式期權,因為本文的方法也會產生模擬的路徑,可以使用最小二乘蒙特卡羅（LSM）,因此本文也介紹了此方... 

【文章來源】：西南財經大學四川省 211工程院校 教育部直屬院校

【文章頁數】：45 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1. 引言
2. MCMC-GARCH定價模型
    2.1 MCMC方法
    2.2 GARCH歐式期權定價模型
    2.3 最小二乘蒙特卡羅(Least Square Monte Carlo)
    2.4 MCMC-GARCH方法
3. 實證研究
    3.1 數據
    3.2 計算細節(jié)
        3.2.1 先驗分布
        3.2.2 隨機數產生
        3.2.3 誤差模型
    3.3 定價結果分析
4. 結論
參考文獻
附錄:C++代碼
后記
致謝



本文編號：3531934