VIX期权定价——基于随机参数的仿射调和稳态模型

考虑VIX时间序列均值回复、尖峰厚尾、有偏、非对称跳与波动率聚类的特征,本文源于日历时间与内在时间的视角,构建了基于随机参数的仿射调和稳态模型.同时应用VIX时序过程的特征函数、等价无穷小与概率论方法,求出期权定价最简表达式.基于该类模型与期权定价方法,可以快速地进行VIX期权定价模型的参数估计与定价预测.较之前沿的带随机参数的跳过程的CIR定价模型与FFT期权定价方法,具有快而精准的特征.较之一般的仿射跳模型,不仅能较好地刻画VIX时序中的尖峰厚尾、有偏与非对称跳等特征,而且具有较好的经济解释与可行性的优势.该研究不仅丰富了衍生品定价理论,也为投资者进行风险规避与衍生品定价提供一些参考.     

GARCH驱动下历史滤波服从Levy过程的期权定价

为了刻画对数收益率分布的尖峰、厚尾和偏度现象,同时体现波动率集聚效应,通过历史滤波模型构建GARCH波动率驱动下的历史滤波分布,并假设服从五种纯跳跃Levy过程从而估计模型参数,进行Levy-GARCH模型的恒生指数拟合检验及期权定价的实证研究.对比无跳跃模型及历史滤波模拟,结果显示:不同模型有着不同的风险溢价;纯跳跃GARCH模型的残差估计量与市场数据有着良好的拟合效果,期权定价精确度优越于无跳跃GARCH模型.其中,TS分布对历史滤波拟合效果最佳,CGMY-GARCH模型的定价精度最为准确.     

股票价格遵循Ornstein-Uhlenback过程的期权定价

讨论了股票价格过程遵循指数O—U(ornstein—uhlenback)过程的欧式期权定价问题，分别用保险精算法和套利定价方法，考虑了在有效期内股票有无红利支付两种情况下的欧式期权定价问题，给出了股票价格遵循指数O—U过程和广义指数O—U过程的欧式期权定价公式，并讨论了两种定价方法所得公式之间的关系，证明了在指数O—U过程模型下保险精算定价是一有套利定价。     

基于参数学习的GARCH动态无穷活动率Levy过程的欧式期权定价

在股票价格中引入漂移率、波动率和随机跳跃三种状态,建立动态状态空间模型,并通过局部风险中性定价关系(RNVR)推导无套利定价模型.以非高斯条件ARMA-NGARCH为基准模型,构建SP500指数的离散动态Levy过程,并基于序贯贝叶斯的参数学习方法,进行模型估计和期权定价研究.结果表明:动态Levy过程能够联合刻画时变漂移率、条件波动率和无穷活动率等特征,且贝叶斯方法的引入提高了期权隐含波动率的定价精度.同时,无穷活动率模型在期权定价方面具有显著优势.在五类滤波中,无损粒子滤波估计精度最高,速降调和稳态过程(RDTS)的期权定价误差最小,而非高斯模型在收益率预测方面没有表现出显著的差异.     

基于改进PSO算法的调和稳定跳跃下随机波动模型期权定价与套期保值

为同时捕获金融收益率分布的尖峰、厚尾、有偏特性及波动率扩散中的异方差效应、集聚效应,联合刻画股价动态演变中的无限跳跃变化,将无限活跃纯跳跃Lévy分布中的经典调和稳定分布(CTS)引入平方根CIR模型为基础的随机波动率(SV)过程,建立了经典调和稳定分布下随机波动(CTSSV)模型,重构了纯跳跃Lévy分布驱动的随机波动(LVSV)模型框架.利用LVSV模型特征函数表达式,采用分数阶快速傅里叶变换(FRFT)方法推导了欧式期权定价公式.由于模型参数众多和目标函数高维积分困难,提出了多区域自适应粒子群优化算法(MAPSO)估计LVSV模型参数.利用FRFT技术和MAPSO参数估计结果,使用CTSSV模型和方差伽马随机波动(VGSV)模型对恒生指数期权数据进行欧式期权定价和方差一最优期权套期保值,实证研究结果证明了MAPSO算法的优越性和CTSSV模型的有效性.     

ⅤⅨ期权定价——基于随机参数的仿射调和稳态模型

考虑ⅤⅨ时间序列均值回复、尖峰厚尾、有偏、非对称跳与波动率聚类的特征,本文源于日历时间与内在时间的视角,构建了基于随机参数的仿射调和稳态模型.同时应用ⅤⅨ时序过程的特征函数、等价无穷小与概率论方法,求出期权定价最简表达式.基于该类模型与期权定价方法,可以快速地进行ⅤⅨ期权定价模型的参数估计与定价预测.较之前沿的带随机参数的跳过程的CIR定价模型与FFT期权定价方法,具有快而精准的特征.较之一般的仿射跳模型,不仅能较好地刻画ⅤⅨ时序中的尖峰厚尾、有偏与非对称跳等特征,而且具有较好的经济解释与可行性的优势.该研究不仅丰富了衍生品定价理论,也为投资者进行风险规避与衍生品定价提供一些参考.     

标的资产服从混合过程的期权定价模型

通过对期权的标的资产（以股票为例）的价格行为过程进行分析,引入一种价格服从混合过程的新模式,改变了Ｂｌａｃｋ－Ｓｃｈｏｌｅｓ期权定价模型的基本假设之一,推导出一种新的期权定价模型,获得了较理想的结果.     

CEV过程下回顾期权的定价问题研究

讨论了当基础资产遵循不变方差弹性（CEV）过程时回期权的定价问题,通过构建一个三项式模型对CEV过程进行近似化处理并利用其为回顾期权进行定价,发现当资产价格服从CEV过程时,Babbs提出的方法可修改用来为回顾期权定值。     

Variance Gamma过程与股票期权定价中的波动率偏度的纠正

针对Black-Scholes期权定价模型在股票期权定价中的波动率偏度的定价偏差，介绍一种新的改进模型来纠正波动率偏度，这种改进模型是通过将Black-Scholes期权定价模型中的布朗运动过程替换为Variance Gamma过程来实现的，在给出相应欧式看涨期权价格的解析的基础上，对改进模型的定价性能进行实证检验。     

服从跳-扩散过程的再装股票期权的定价

在等价鞅测度下,求出在风险中性定价模型中,标的资产服从跳－扩散过程的再装股票期权的价格,然后,针对给出定价公式的特点,提供了便于实际应用的数值模拟方法。     

基于BSSDEs的一般跳过程的可违约期权的定价模型

本文采用均值-方差对冲方法, 对具有一般跳过程, 存在违约风险的期权定价做了深入研究, 首先建立了基于违约过程的半鞅的鞅表示定理, 其次定义最优方差鞅测度并构建两个倒向半鞅随机微分方程, 然后找出使成本函数最小的最优投资策略, 从而给出其定价公式. 本文的主要贡献在于首次给出了可违约半鞅过程的倒向随机半鞅微分方程, 并且给出了具有一般跳过程的可违约期权的定价公式, 具有一定的理论意义.     

跳跃自激发与非对称交叉回馈机制下的期权定价研究

跳跃集聚和波动率非对称回馈是股票价格运动过程中不可忽视的重要特征.基于动态跳-扩散半鞅随机过程,本文提出了具有时变跳跃到达率和波动率的双因子交叉回馈机制的期权定价模型,推导了跳-扩散交叉回馈模型的一般化风险中性变换关系;同时借助序贯贝叶斯方法对模型和跳跃风险溢价进行校准,并对道琼斯工业平均指数(DJX)、标普500指数(SPX)、苹果(APL)、IBM、JP摩根(JPM)股票进行实证研究,研究发现,它们的跳跃达到率和波动率都呈现集聚性和非对称回馈效应,且跳跃到达率具有更强的持续性和更大的杠杆系数;跳跃风险溢价在定价中占主要地位.期权定价的实证研究还表明,双因子交叉回馈模型具有最小的期权定价误差,定价能力明显优于单向回馈的跳-扩散模型.     

不确定条件下的投资:基于

针对现有研究忽视不同类型的突发事件对企业投资决策的区别影响这一不足,为在\"跳'频率和幅度均随机波动的假定下构建的实物期权模型设计了一种不依赖于具体分布形式的数值求解方法,并对突发事件在企业项目投资决策中的影响进行了讨论. 分析表明:1)不对各类突发事件加以区别分析而笼统地进行平均,必将造成分析的系统性偏差和投资决策的重大失误.2)突发事件的作用方向是影响投资决策的关键因素; 通常情况下,突发事件的利好性质越明显, 投资期权价值越高,企业越应该推迟进行项目投资. 3)在多类型突发事件存在的情形下,无论是遗漏其中的某类突发事件, 或是将所有突发事件视为同质事件,都将对期权价值的计算造成重大偏差;尤其是当项目投资自身具有极大波动性时, 这种偏差就越发明显.     

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...     

杠杆效应对期权定价的影响研究

本文基于时间序列视角从随机模拟和实证研究两方面探讨随机波动率模型中杠杆效应对期权定价的影响.在随机模拟中,通过与基本的随机波动率模型比较,发现当收益率时间序列存在高杠杆时,带杠杆的随机波动率模型给出的期权价格更接近真实的价格,在MAE和RMSE距离统计量上都存在显著差异,但较低的杠杆对期权定价不会有显著影响;并且,在带杠杆的模型中,路径模拟定价法优于BS框架下的定价方法.此外,在标普500指数的欧式期权上的实证研究,表明指数存在较高的杠杆水平;相较于期权市场价格,带杠杆的模型在定价上好于基本的模型,在MAE和RMSE统计量上存在显著性的差异.     

一个新型的期权定价二叉树参数模型

对目前普遍使用的期权定价二叉树模型的缺陷进行了分析 ,利用随机误差校正方法构造出新型的二叉树参数模型 .新的模型避免了负的概率并且具有很高的精确度 ,因而可应用于计算各种期权的价格 .