本文關(guān)鍵詞：改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)在可轉(zhuǎn)化債券定價(jià)中的應(yīng)用研究　出處：《首都經(jīng)濟(jì)貿(mào)易大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 可轉(zhuǎn)換債券價(jià)值 BP神經(jīng)網(wǎng)絡(luò) Black-Scholes定價(jià)模型 RBF神經(jīng)網(wǎng)絡(luò)

【摘要】：可轉(zhuǎn)化債券(又稱可轉(zhuǎn)換債券,以下皆稱可轉(zhuǎn)換債券)能在資本市場上被廣泛的使用,根本原因還是由于其可轉(zhuǎn)換性的特質(zhì)。一般來說,可轉(zhuǎn)換債券的價(jià)值可分為純債券價(jià)值和期權(quán)價(jià)值以及轉(zhuǎn)換價(jià)值。轉(zhuǎn)換價(jià)值和純債價(jià)值十分容易計(jì)算,而期權(quán)價(jià)值卻是難以確定。所以,合理精準(zhǔn)地預(yù)測可轉(zhuǎn)換債券期權(quán)部分價(jià)值,合理確定利率和波動(dòng)率,正確制定轉(zhuǎn)債條款、以合理價(jià)格發(fā)行,能增加對投資者的吸引力,能極大的影響融資和投資額度,對國內(nèi)可轉(zhuǎn)換債券市場的發(fā)展具有重要意義。我國可轉(zhuǎn)換債券的發(fā)展歷史還比較短,使用Black-Scholes定價(jià)模型,其前提假設(shè)非常嚴(yán)苛,主觀性和模糊性很強(qiáng),因此并不能準(zhǔn)確且高效的進(jìn)行評估,這使得該模型在實(shí)際的應(yīng)用中受到很大的限制。雖然很多學(xué)者結(jié)合了BP神經(jīng)網(wǎng)絡(luò)算法對之進(jìn)行了改進(jìn)和優(yōu)化,也確實(shí)提高了可轉(zhuǎn)換債券定價(jià)模型的準(zhǔn)確性,但是由于BP神經(jīng)網(wǎng)絡(luò)自身的缺陷使模型仍然達(dá)不到最佳的效果。后來又有楊梁玉等學(xué)者引入了RBF神經(jīng)網(wǎng)絡(luò)的算法對定價(jià)模型進(jìn)行一定的改進(jìn),RBF網(wǎng)絡(luò)在收斂時(shí)具有較為優(yōu)異的逼近性能,得到了更為精確的估值。由于RBF網(wǎng)絡(luò)隱含層中心的個(gè)數(shù)、中心的位置、層基函數(shù)的寬度、網(wǎng)絡(luò)權(quán)值都會(huì)一定程度地影響其網(wǎng)絡(luò)性能,本文以前人學(xué)者的研究為基礎(chǔ),在RBF網(wǎng)絡(luò)隱層基函數(shù)的寬度選擇上,提出一種改進(jìn)算法,該算法的基本思想是保持正交最小二乘算法訓(xùn)練好的RBF網(wǎng)絡(luò)的中心位置不變的情況下,用最小二乘方法去再一次計(jì)算網(wǎng)絡(luò)的權(quán)值向量,并以此來調(diào)整RBF網(wǎng)絡(luò)的寬度值。最后本文通過國泰安數(shù)據(jù)庫、Wind數(shù)據(jù)庫、雪球財(cái)經(jīng)以及中信證券交易系統(tǒng)中收集的可轉(zhuǎn)換債券的樣本數(shù)據(jù),應(yīng)用Matlab軟件進(jìn)行仿真,對比BP神經(jīng)網(wǎng)絡(luò)下的可轉(zhuǎn)換債券定價(jià)模型與RBF神經(jīng)網(wǎng)絡(luò)下的可轉(zhuǎn)換債券定價(jià)模型以及改進(jìn)后的RBF神經(jīng)網(wǎng)絡(luò)下的可轉(zhuǎn)換債券定價(jià)模型的仿真結(jié)果。實(shí)驗(yàn)表明:在可轉(zhuǎn)換債券的定價(jià)中,改進(jìn)后的RBF網(wǎng)絡(luò)下的輸出誤差與時(shí)間都明顯低于BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)下的結(jié)果,從而得出改進(jìn)后的RBF網(wǎng)絡(luò)下的B-S定價(jià)結(jié)果更加有效的結(jié)論。這對于研究可轉(zhuǎn)換債券的價(jià)值評估以及項(xiàng)目投資決策具有十分重要的意義。
[Abstract]:Convertible bonds (also known as convertible bonds, hereinafter referred to as convertible bonds) can be widely used in the capital market, the root cause is due to its convertible characteristics. Generally speaking. The value of convertible bonds can be divided into pure bond value, option value and conversion value. Conversion value and pure bond value are very easy to calculate, but option value is difficult to determine. Reasonable and accurate prediction of convertible bond option partial value, reasonable determination of interest rate and volatility, correct formulation of convertible bond terms and issuance at a reasonable price can increase the attractiveness to investors. Can greatly affect the financing and investment quota, the development of domestic convertible bond market is of great significance. China's convertible bond development history is relatively short. Using Black-Scholes pricing model, its premise assumptions are very strict, subjective and fuzzy, so it can not be accurately and efficiently evaluated. Although many scholars have improved and optimized the model with BP neural network algorithm, the accuracy of convertible bond pricing model has been improved. However, due to the defects of BP neural network itself, the model still can not achieve the best results. Later, some scholars such as Yang Liangyu introduced the algorithm of RBF neural network to improve the pricing model. RBF networks have better approximation performance and obtain more accurate estimates. Because of the number of the center of the hidden layer, the position of the center and the width of the layer basis function in the RBF network. Network weights will affect the network performance to some extent. Based on the previous research by scholars, an improved algorithm is proposed to select the width of hidden layer basis functions in RBF networks. The basic idea of the algorithm is to use the least square method to calculate the weight vector of the RBF network again, while the center position of the RBF network trained by the orthogonal least squares algorithm is not changed. And to adjust the width of the RBF network. Finally, this paper through the Cathay Pacific database data bank wind database, snowball finance and CITIC Securities Exchange system collected in the convertible bond sample data. The simulation is carried out with Matlab software. The simulation results of convertible bond pricing model based on BP neural network and RBF neural network and modified RBF neural network are compared. Indicates that:. In the pricing of convertible bonds. The output error and time of improved RBF network are obviously lower than those of BP network and RBF network. It is concluded that the B-S pricing results based on the improved RBF network are more effective, which is of great significance for the study of the valuation of convertible bonds and the investment decision of projects.
【學(xué)位授予單位】：首都經(jīng)濟(jì)貿(mào)易大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP183;F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

3 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報(bào);2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

7 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1375139