消费者风险厌恶下的期权预售模型研究

在预售交易中可能会发生实物价值与消费者估值相差较大的情况,使消费者在选择预售时存在很大的风险.为了避免这种风险,将期权理论引入到预售策略中,建立期权预售模型,求解出最优订购量和最优期权执行价格,并与普通预售策略进行对比.研究发现消费者的估值范围和批发价格均存在某个临界值是零售商选择预售策略的关键,当估值范围或批发价格大于该临界值时,期权预售策略优于普通预售策略,且消费者风险厌恶系数越大,期权预售的优势就越明显.     

用混合小波网络和遗传算法对期权定价的研究

由于波动率微笑的存在,不同种类的期权的隐含波动率不同,如何衡量不同种类期权的隐含波动率的最优权重一直是期权定价领域中的重要问题.提出了新的基于Black-Scholes模型的混合小波神经网络,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型要优于传统的Black-Scholes模型和其它的神经网络模型.     

应用混合小波神经网络和遗传算法在香港衍生品市场上的研究

提出了新的基于Black-Scholes模型的混合小波神经网络.隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.基于不同种类的期权价格对波动率的敏感度不同,建立了混合小波神经网络和遗传算法相结合的模型,将期权按钱性进行分类,提出了加权的隐含波动率作为神经网络的输入变量,通过遗传算法来求取不同种类期权的隐含波动率的最优权重.在香港衍生品市场的实证中表明,所提出的模型优于传统的Black-Scholes模型.     

投资决策期权估值的熵模型

研究了投资决策期权估值问题,基于熵定价理论,结合美式期权解析近似计算方法,建立了投资决策期权价值估算的算法模型,该模型框架可应用于实物期权价值的数值方法求解。     

期权定价中的分步式预测模型

期权定价（Ｏｐｔｉｏｎｓ Ｐｒｉｃｉｎｇ）是金融工程中常见的问题,在期权定价模型吸一个重要的参数即易变性（Ｖｏｌａｔｉｌｉｔｙ）,过去多采用统计方法来分析,本文将神经网络、遗传算法和传统线性技术相结合,提出一个改进的隐含易变性的分步式预测模型,它揭示出期权价格变化中的非线性特性,比传统模型具有更高的预测精度。另外,本文还针对金融数据的处理方法进行了讨论。     

粗正交小波网络及其在交通流预测中的应用

基于交通流预测的特点和输入向量的主成分分析方法,把粗集理论与正交小波网络相结合,给出了一种基于粗集的正交小波网络交通预测模型,并成功应用于城市交通流的实时预测.粗正交小波网络具有极强的鲁棒性,可以有效克服季节、天气等随机因素对交通流量预测性能的影响;主成分分析方法解决了正交小波网络多维输入时的维数灾难.实验结果表明,该模型的预测精度和收敛速度明显优于常规BP网络和小波框架神经网络,对交通流量等预测问题具有较高的应用价值.     

基于小波-神经网络的电力系统短期负荷预测

基于小波变换和神经网络,提出了一种电力系统短期负荷预测方法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用相应的人工神经网络模型进行预测,最后重构得到负荷序列的最终预测结果.在所提出的方法中小波分解能够提取负荷的一些周期性和非线性特征,根据其子序列各自所具有的特征采用相应的预测方法.实例结果表明该方法具有很高的预测精度和较强的适应能力.     

多元混合正态分布情形下的外汇期权组合非线性VaR模型

提出了一种多元厚尾分布情形下的外汇期权组合非线性VaR模型.用多元混合正态分布来描述汇率回报分布厚尾特征,推导出多元混合正态分布情形下的反映外汇期权组合价值变化的矩母函数;在此基础上, 利用特征函数和矩母函数关系,进一步将概率分布的Fourier-Inversion方法和数值积分近似计算的迭代算法------自适应Simpson法则发展到多元混合正态分布情形下的外汇期权组合非线性VaR模型中,估计出期权组合的VaR值. 数值结果表明:使用Fourier-Inversion方法得到的VaR值与使用Monte Carlo模拟方法得到的VaR值相差不大,但使用Fourier-Inversion方法的计算速度明显快于Monte Carlo模拟方法.     

多元非线性期权定价模型及实证分析

在GARCH模型基础上发展了多元期权定价的方法,采用逆高斯分布(NIG)描述标的资产的分布,以便更准确地捕获金融资产常见的厚尾、尖峰和偏态分布的特征。而考虑到资产间的相关关系可能是非线性的,对资产的相关结构的描述则运用了Copula函数技术。最后,依据风险中性定价原理给出了CopulaGARCH-NIG期权定价模型。为了检验本文模型的效果,对人民币指数期权进行了实证分析,结果显示:Copula-GARCH-NIG模型得到的期权价值与传统的Black-Scholes模型(B-S)和Copula-GARCH模型得到的期权价值有实质的差别,实证过程展示了Copula-GARCH-NIG模型的优势。     

部分信息实物投资的消费效用无差别定价

运用滤波理论,随机控制理论和消费效用无差别定价原理,建立基于部分信息的非完备市场有对冲机会的实物投资回报一次性支付的期权定价模型.通过求解具有自由边界条件的高维偏微分方程,推导出期权的隐含价值和投资最优执行边界,确定了投资,消费及资产分配的最优决策,并详细讨论了投资回报波动风险,平均回报率估计偏差风险以及资产相关系数对实物期权的隐含价值以及隐含信息价值的影响.模型和结论对实物投资项目的估值和资产管理具有一定参考价值.     

Pricing Rainbow Asian Options

The evaluation of rainbow options on two average prices (labeled as rainbow Asian options) is a computational problem arising from the inherent complexities of multifactor path-dependent options. In this article, the pricing model of rainbow Asian options on two dividend -paying assets was constructed on the basis of the Ito lemma and the arbitrage-free principle. With the boundary conditions, an analytical formula for the call option with geometric average was derived and also call-put parity relationship on the proposed option was provided. Overwhelming numerical evidence indicates that the reduction variate technique with the help of the above analytical solution dramatically improves the accuracy of the simulated price of rainbow Asian option with arithmetic average. Moreover, this study will pave a novel way to copy with the family of Asian options pricing.     

两资产亚式彩虹期权的定价研究

研究一种奇异路径依赖型期权——两资产亚式彩虹期权的定价问题.基于Black-Scholes期权定价模型的假设条件,利用无套利原理,构建了反映两资产亚式彩虹期权路径依赖特征的多因素定价模型.并结合边界条件,推导了基于两个标的资产的几何亚式彩虹期权的解析定价公式,借助它运用蒙特卡罗模拟法中减少变量技术对两资产算术亚式彩虹期权定价,得到了该期权更精确的估计值.     

运用样本更新的实时神经网络进行短期电力负荷预测

用多层神经网络模型解决短期电力负荷预测问题 ,提出了运用基于非梯度的单参数动态搜索(SPDS)算法训练网络 .这种学习算法可以克服 BP学习算法对规模大、特征多的问题难以收敛的困难 .根据预测日的天气信息进行样本集的动态构造和网络的实时训练 .计算结果表明 ,文中提出的模型可以较好地进行短期电力负荷预测 ,也验证了 SPDS学习算法的有效性.     

概率天气预报的K近邻非参数估计仿真模型

基于模式识别和相似预报思想，提出了一种制作概率天气预报的K近邻非参数估计仿真模型(简称KNN-M)。该模型包括历史样本数据库、近邻子集搜索程序、近邻子集优化算法和预报量估计技术。利用该模型进行了降水和云量的概率预报试验，独立样本检验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

基于神经网络矫正的非线性短时负荷预测模型

为了解决传统神经网络负荷预测模型中,当预测日天气出现快速变化时预测误差随之增加的问题,提出了一种改进的未来一小时实时负荷预测模型。在该模型中,预测负荷通过对预测日的类似日负荷数据加一个矫正值来获得,矫正值从神经网络产生,网络结构得到简化。由于采用在线实时学习方式,该模型可以学习快速的天气变化和预测误差之间的关系,减小预测误差。仿真结果验证了该模型的有效性。     

精英遗传改进的非线性灰色神经网络算子与军费开支多目标组合预测应用

军费开支属于复杂经济系统下具有宏观经济特征的一类非线性时间序列。在多目标组合下的军费开支预测问题研究背景下,提出了一种基于精英遗传算法(elite genetic algorithm,EGA)改进的非线性灰色神经网络计量组合预测模型,给出了总体建模思路与非线性灰色神经网络算子分系统和EGA分系统设计方法,解决了多准则目标优化的NP完全问题,并对模型的预测效果进行比较分析。采集美国27年间(1990-2016年)军费开支时间序列进行实证检验,分析结论认为非线性灰色神经网络算子能够有效提高模型精度,EGA算法在收敛速度与精度上优于标准遗传算法,采用所建立的预测模型进行军费开支预测精度更高,效果更好。     

基于深度学习算法的行为期权定价

针对一类考虑了投资者微观结构随机变迁、投资者行为存在羊群效应以及非理性情绪的高维行为资产价格模型,推导出行为期权定价偏微分方程,构建了基于深度学习算法的行为期权定价方法：首先,基于费曼卡兹公式推导出行为期权价格的迭代方程;然后,用神经网络来逼近迭代方程中的期权价格关于标的模型空间变量的梯度函数;最后,通过深度神经网络参数寻优得到期权价格。数值实验表明：相比蒙特卡洛方法,深度学习算法在计算高维标的资产的期权价格时,获得的结果不仅精度更好,而且效率更高;在相同精度要求下,深度学习算法所需要的仿真路径数更少。研究发现：市场中投资者的非理性情绪程度越严重,期权价格越高;股市微观结构调整速度和羊群效应,对不同成熟度的市场上期权价格的影响,存在异质性：在不成熟市场上,股市微观结构调整速度越快,投资者的羊群效应越严重,期权价格越高;而对于成熟市场,投资者结构回复长期均衡以及羊群效应,均起到稳定期权价格的作用。     

人工神经网络在大豆食心虫虫食率预测中的应用

大豆食心虫是黑龙江大豆的主要害虫之一,虫食率可以作为大豆食心虫发生程度的预测指标,虫食率受越冬基数和气象条件等多种因素的影响,是一个复杂的非线性非正态系统。根据人工神经网络建模的基本原理,以黑龙江省双城市的数据建立了神经网络预测模型,模型的回测与预测精度都比较高,可以作为大豆食心虫虫食率预测的一种新方法。