本文關(guān)鍵詞：基于智能優(yōu)化算法的期權(quán)定價(jià)模型參數(shù)估計(jì)，由筆耕文化傳播整理發(fā)布。

【摘要】：金融工程研究的主要對(duì)象之一就是衍生證券,期權(quán)(option)是最重要的衍生證券之一。期權(quán),又稱選擇權(quán),是購(gòu)買方支付一定的期權(quán)費(fèi)后所獲得的在將來(lái)允許的時(shí)間買入或者賣出一定數(shù)量的基礎(chǔ)商品的選擇權(quán)。期權(quán)定價(jià)理論是現(xiàn)代金融學(xué)的重要組成部分,Black-Scholes期權(quán)定價(jià)模型是現(xiàn)代期權(quán)定價(jià)理論的基石。本文對(duì)Black-Scholes期權(quán)定價(jià)模型進(jìn)行了探討,由于模型的非線性,解析方法很難精確得到其參數(shù)r和σ的值,本文采用智能優(yōu)化算法隨機(jī)搜索的特點(diǎn)對(duì)Black-Scholes期權(quán)定價(jià)模型中的參數(shù)進(jìn)行估計(jì)。 本文主要分為五部分:緒論部分介紹課題的研究背景、意義以及本文的主要研究工作。第二部分詳細(xì)介紹期權(quán)的概念,分類,期權(quán)價(jià)格及其構(gòu)成,影響期權(quán)價(jià)格的因素,Black-Scholes期權(quán)定價(jià)模型以及Black-Scholes微分方程的推導(dǎo)。第三部分主要介紹粒子群優(yōu)化算法(PSO)、量子行為粒子群算法(QPSO)、差分進(jìn)化算法(DE)和進(jìn)化策略(ES)的原理及算法流程。第四部分首先運(yùn)用有限差分法求解期權(quán)價(jià)格,其次運(yùn)用智能優(yōu)化算法對(duì)Black-Scholes模型中的兩個(gè)參數(shù)r和σ進(jìn)行估計(jì),實(shí)驗(yàn)結(jié)果表明,QPSO算法在解決期權(quán)定價(jià)模型參數(shù)估計(jì)的問(wèn)題上優(yōu)于其他三種智能算法。第五部分是本文的結(jié)論部分。
【關(guān)鍵詞】：期權(quán) Black-Scholes期權(quán)定價(jià)模型 有限差分法 智能優(yōu)化算法 參數(shù)估計(jì)
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：TP301.6;F224;F830.9
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-11
• 1.1 課題背景及意義7-10
• 1.1.1 期權(quán)定價(jià)理論研究概況7-8
• 1.1.2 智能優(yōu)化算法研究概況8-9
• 1.1.3 智能優(yōu)化算法在期權(quán)市場(chǎng)中的應(yīng)用9-10
• 1.2 本文主要研究工作及章節(jié)安排10-11
• 第二章 期權(quán)以及B-S 期權(quán)定價(jià)模型11-20
• 2.1 期權(quán)概念11-12
• 2.2 期權(quán)分類12-14
• 2.3 期權(quán)價(jià)格及其構(gòu)成14
• 2.4 影響期權(quán)價(jià)格的因素14-16
• 2.5 B-S 期權(quán)定價(jià)模型16-17
• 2.6 B-S 微分方程的推導(dǎo)17-19
• 2.7 本章小結(jié)19-20
• 第三章 智能優(yōu)化算法20-35
• 3.1 引言20
• 3.2 智能優(yōu)化算法概述20
• 3.3 粒子群優(yōu)化算法20-24
• 3.3.1 粒子群優(yōu)化算法的簡(jiǎn)介20-21
• 3.3.2 基本粒子群優(yōu)化算法21-23
• 3.3.3 標(biāo)準(zhǔn)粒子群優(yōu)化算法23
• 3.3.4 標(biāo)準(zhǔn)粒子群算法的參數(shù)分析23-24
• 3.3.5 粒子群優(yōu)化算法的特性24
• 3.4 量子行為粒子群算法24-26
• 3.4.1 量子行為粒子群算法的簡(jiǎn)介24
• 3.4.2 量子行為粒子群算法的原理24-25
• 3.4.3 量子行為粒子群算法流程25
• 3.4.4 量子行為粒子群算法的特性25-26
• 3.5 差分進(jìn)化算法26-29
• 3.5.1 差分進(jìn)化算法簡(jiǎn)介26
• 3.5.2 差分進(jìn)化算法原理26-28
• 3.5.3 差分進(jìn)化算法流程28-29
• 3.5.4 差分進(jìn)化算法特性29
• 3.6 進(jìn)化策略29-33
• 3.6.1 進(jìn)化策略簡(jiǎn)介29-31
• 3.6.2 進(jìn)化策略及其算法流程31-32
• 3.6.3 進(jìn)化策略的特點(diǎn)32-33
• 3.7 本章小結(jié)33-35
• 第四章 基于智能優(yōu)化算法的期權(quán)定價(jià)參數(shù)估計(jì)35-50
• 4.1 引言35
• 4.2 數(shù)值方法求解期權(quán)價(jià)格35-40
• 4.2.1 有限差分法35-37
• 4.2.2 追趕法求解三對(duì)角方程組37-39
• 4.2.3 實(shí)驗(yàn)結(jié)果與分析39-40
• 4.3 期權(quán)定價(jià)模型參數(shù)估計(jì)的智能算法研究40-49
• 4.3.1 參數(shù)估計(jì)40-41
• 4.3.2 算法設(shè)計(jì)41
• 4.3.3 實(shí)驗(yàn)結(jié)果與分析41-49
• 4.4 本章小結(jié)49-50
• 第五章 結(jié)論與展望50-51
• 5.1 課題結(jié)論50
• 5.2 課題研究過(guò)程中的一些問(wèn)題50
• 5.3 課題展望50-51
• 致謝51-52
• 參考文獻(xiàn)52-56
• 附錄：作者在攻讀碩士學(xué)位期間發(fā)表的論文56

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 徐飛;基于混合核函數(shù)的LSSVM發(fā)酵建模[D];大連理工大學(xué);2012年

2 遲文龍;基于FSVM的煤層氣單井故障診斷研究[D];大連理工大學(xué);2013年

3 劉付永;螢火蟲(chóng)群算法改進(jìn)及應(yīng)用[D];廣西民族大學(xué);2013年

  本文關(guān)鍵詞：基于智能優(yōu)化算法的期權(quán)定價(jià)模型參數(shù)估計(jì)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：504316