發(fā)布時間：2020-12-26 06:40

　　期權定價模型的參數(shù)校準問題是一個常見的難題,以heston模型為例,定價時需要估計6個參數(shù),參數(shù)估計問題實質上是高維非線性規(guī)劃問題,由于估參函數(shù)的性質不好,一般的估參方法常常失效。使用粒子群(PSO)智能算法可以改善該模型的參數(shù)校準問題,因為粒子群算法具有內在隨機性,因此參數(shù)估計中的局部極小值問題可以被較好地解決。使用2017年12月20日的香港恒生指數(shù)期權作為估計樣本,并對2017年12月25日的期權進行樣本外預測,數(shù)值結果表明使用heston模型對期權進行定價并配合粒子群算法估計參數(shù)具有良好的定價效果。 

【文章來源】：科學決策. 2019年12期 CSSCI

【文章頁數(shù)】：13 頁

【文章目錄】：
1 引 言
2 Heston模型期權定價方法
3 粒子群（PSO）算法及其優(yōu)越性
    3.1 算法簡介
    3.2 算法思想
    3.3 標準PSO算法的流程:
    3.4 粒子群算法和其他啟發(fā)式算法的數(shù)值仿真比較
4. 實證分析
    4.1 數(shù)據(jù)樣本集
    4.2 實驗方法
    4.3 實驗結果
5 結束語


【參考文獻】：
期刊論文
[1]一種尋找Heston期權定價模型參數(shù)的新方法[J]. 李斌,何萬里.  數(shù)量經濟技術經濟研究. 2015(03)
[2]求解非線性雙層規(guī)劃問題的混合變鄰域粒子群算法[J]. 范成禮,邢清華,付強,王振江,王藝菲.  系統(tǒng)工程理論與實踐. 2015(02)
[3]用模擬退火算法尋找Heston期權定價模型參數(shù)[J]. 王林,張蕾,劉連峰.  數(shù)量經濟技術經濟研究. 2011(09)



本文編號：2939228