基于粒子群优化算法的期权波动率估计

波动率是Black-Scholes公式中的一个重要参数,期权价格对它的变动非常敏感.本文首先介绍了Black-Scholes期权定价公式,分析了波动率对期权定价的重要性.然后,为了计算粒子位置和速度,本文根据全局最优位置的历史数据及变异操作,提出了一种基于全局最优位置修正的粒子群优化算法.最后,本文在数值实验中运用修正的粒子群优化算法获得了基于期货合约的欧式看涨期权公式中波动率的估计值,并通过实验结果比较表明该算法具有更好的收敛性.     

非完备市场欧式期权无差别定价研究

研究不完备市场中最大化期望消费效用准则下的最优消费/投资决策及期权定价问题.在标的资产价格服从几何均值回复变化的假设下,利用随机动态规划理论及消费效用无差别定价原理得到了最优消费/投资策略以及标的资产不可交易的欧式期权价格所满足的偏微分方程.给出了数值算例,结果表明投资者的风险厌恶态度会降低期权的效用价格,而标的资产的...     

期货与期权的组合在套期保值策略中的应用

讨论了同时使用期货与期权的套期保值策略。每个投资者根据不同的需求对未来价格变化有不同的预期和不同的风险承受力，对此可用概率论和金融定价理论，根据目前的期货价格、各种不同敲定价的期权价格，以及投资人的风险承受力和对价格走势的估计，找出最优投资组合。最优的标准是在一定的风险范围内使收益的数学期望达到最大。     

求解股票期权定价问题的差分方法

期权是最重要的金融衍生工具,期权理论的核心是期权定价问题·对于美式期权的价格,不存在解析公式也无法求得精确解·因此,研究各种计算美式期权价格的数值方法具有重要意义·研究美式股票看跌期权定价问题的差分方法·对美式期权所遵循的变分不等式方程建立了向后欧拉全离散差分逼近格式,利用能量方法进行了差分解的稳定性和收敛性分析,并给出最优阶误差估计·数值计算表明该算法是一个高效和收敛的算法·     

带随机波动率的Lévy模型下美式看涨期权的定价

期权定价是现代金融理论的重要内容之一。期权的价格通常与标的资产价格的波动率等因素有关。B-S模型中假设波动率为常数,而实际上波动率往往是一个随机过程。本文研究带随机波动率的Lévy模型下美式看涨期权的定价问题,得到了美式看涨期权的最优执行时间以及期权价格满足的偏微分方程。     

基于模糊二叉树模型的美式看跌期权定价问题

市场中影响期权价格的因素具有随机性和模糊性的特点。本文假定股票的价格波动为抛物型模糊数,推导出了模糊风险中性概率,进而将美式期权定价的传统二叉树模型扩展到模糊二叉树模型,给出了该模型的美式看跌期权定价过程和最优实施时间。最后的数值算例将该模型应用到国内的权证市场,针对唯一一只美式认沽权证进行定价分析,结果表明利用模糊二叉树模型定价能够得到一个合理的期权模糊价格区间。投资者可根据自身风险偏好程度改变置信水平和抛物型模糊数来进行投资决策。     

求解带约束投资组合模型的量子粒子群算法

针对量子粒子群算法(QPSO)在迭代后期出现种群多样性缺失和容易陷入局部最优的问题,提出了一种基于交叉操作的改进算法;在改进算法中,考虑了粒子的历史最优位置和次优位置,用以扩大粒子的搜索范围;同时,将遗传算法的交叉操作运用到位置的更新中,以增加种群的多样性,进而提高算法的收敛性;在性能测试中,将改进算法与原始的量子粒子群算法、基于差分进化的QPSO和基于黑洞探索的QPSO在收敛精度和鲁棒性方面进行了比较;最后,运用改进算法对一类具有投资数量限制的投资组合问题进行了求解,并与遗传算法、粒子群算法和标准的量子粒子群算法的寻优结果进行了对比。     

线性补问题与美式期权定价

本文利用线性补问题的连续性算法来研究美式期权定价,将有红利收益的美式期权定价模型转换成一个线性补问题,利用连续性算法计算任何时刻、任何标的价格的带有红利收益的美式期权定价。     

带随机波动率的Lévy模型下美式看涨期权的定价

期权定价是现代金融理论的重要内容之一.期权的价格通常与标的资产价格的波动率等因素有关.B-S模型中假设波动率为常数,而实际上波动率往往是一个随机过程.本文研究带随机波动率的Lévy模型下美式看涨期权的定价问题,得到了美式看涨期权的最优执行时间以及期权价格满足的偏微分方程.     

基础资产不可交易条件下欧式期权的消费效用无差别定价

基于消费效用无差别准则,讨论非完备市场下欧式期权定价问题.在完备市场下,验证了关于一般效用函数的效用无差别定价等同于经典Black-Scholes期权定价.在非完备市场下,通过假设投资者具有CARA效用,发现期权消费效用无差别价格会随期权标的资产价格波动率增加或期限延长反而降低.风险态度只有与期权非系统风险相结合才对期权消费效用无差别价格产生影响,期权的非系统风险越小,风险态度对期权效用无差别价格影响越弱,当非系统风险为零时,投资者风险态度不对期权价格产生影响.     

LSSVM-Monte Carlo 定价高维美式期权

随着美式期权维数的增加,存在所谓的“维数灾难”问题,为了克服这一难题,最小二乘支持向量机(LSSVM)被应用于定价高维美式期权.首先用M-C方法仿真美式期权标的物的多条价格路径,接着采用最小二乘支持向量机作为求条件期望的回归算子,并提出了一种基于改进序列优化(ISMO)的LSSVM的训练算法.针对4种不同的美式期权支付函数,给出了该方法应用于标的资产的个数分别为5和30的算例.研究结果表明,所提出的方法能很好地解决高维美式期权定价问题.     

交叉熵蝙蝠算法求解期权定价模型参数估计问题

期权定价模型的参数估计问题通常是非线性优化问题,且是非凸优化问题,经典的优化方法已不再适用。为此探寻用交叉熵蝙蝠算法来求解Merton跳-扩散模型、Heston随机波动模型和Bates带跳的随机波动模型的参数估计问题。实证结果表明该方法是有效可行的。     

微分对策方法在期权定价中的应用:理论分析

在最差情况最优的框架下研究存在交易费用时的期权定价问题．在风险厌恶的假设条件下,运用微分对策的上值、下值和值分别给出了期权买价、卖价和公平价格的定义．通过微分对策的降维把期权定价问题归结为求解微分对策的值函数．基于微分对策理论推导出了该值函数满足的偏微分方程．     

基于Landau’s变换的求解美式期权的有限差分法

针对标准美式看跌期权定价问题给出一种基于Landau’s变换的有限差分法.先利用Landau’s变换及截断技巧将美式期权问题转化为一个有界规则区域上的抛物问题,再利用有限差分法求解期权价格,并利用Newton迭代法同时求解出最佳实施边界.数值实验结果表明,该算法能快速有效地求解出较传统二叉树法更光滑的最佳实施边界,并能准确地模拟美式看跌期权价格.     

Blac-Scholes模型下美式期权定价的神经网络算法

考虑Black-Scholes模型下的美式看跌期权定价问题. 首先, 基于Black-Scholes模型, 设计一种针对该模型的神经网络算法, 并给出美式期权价格的数值近似; 其次, 通过与传统的二叉树方法对比, 证明该算法的有效性.     

基于Copula GARCH MMBP的Monte Carlo期权定价方法

本文将与两种指数相关的股权挂钩票据的定价问题转化为期权定价问题,提出了一种基于Copula模型的Monte Carlo期权定价方法.针对两组对数收益率序列的相关性结构,本文运用Copula GARCH 模型进行了拟合,并采用修正的极大似然估计方法对模型的参数进行了估计.作为应用,本文对汇丰银行发行的一种股权挂钩票据进行了定价和利润分析.     

期权定价的模型和最优策略

在期权定价的Ｂｌａｃｋ－Ｓｃｈｏｌｅｓ模型的基础上，建立了期权定价的分布参数模型。在期权到期日期权价格最高的目标下，将问题转换为非线性规划问题，设计了模拟退火求解期权定价的方法。最后，应用模拟退火算法，求解贴现价格、履约价格。结果表明，上述工作对于期权定价问题的研究具有理论意义和实际意义。     

期权定价模型在公司购并中的应用

在公司购并中，如何对目标企业进行估价是一个技术性很强的问题。在讨论了传统企业估价方法及其不足的基础上，将期权定价理论引入企业估价，并对资产价值基础法进行了改进。完善公司购并定价的关键是要形成一个市场化的定价机制，让市场决定目标企业的价值。