欧式期权波动率校准反问题的正则化算法

标的资产的隐含波动率校准问题无论在理论上还是实际应用中都有重要意义.对于欧式期权,在Black-Scholes模型框架下,提出了一个正则化的最小二乘算法,有效地解决了在期权市场价格已知前提下的隐含波动率校准反问题.最后,通过数值算例说明了方法的有效性.     

支付交易费的不确定波动率的欧式看跌期权定价

提供一种支付交易费的不确定波动率的非线性Black-Scholes方程的数值算法.首先,利用Leland模型对波动率进行改进,提高其精确度,再用Crank-Nicolson方法将Black-Scholes方程做离散化处理,得到其满足的矩阵形式,通过计算求得欧式看跌期权的数值解,并给出数值算例,验证算法的有效性,同时分析了支付交易费的不确定波动率对欧式看跌期权价格的影响.     

用改进的Newton-Raphson方法计算隐含波动率

如何利用标的资产价格的价格确定波动率函数有着重要的意义.对于欧式期权,在Black-Scholes模型框架下,分析了经典Newton-Raphson迭代格式及修正格式和二分法,有效地解决了隐含波动率的数值计算问题.最后,通过数值算例对比分析了方法的有效性.     

变系数Black-Scholes模型有红利支付下的欧式期权定价估计

主要研究变系数Black-Scholes模型有红利支付下的欧式期权定价的估计问题.首先,构造了波动率函数的估计量,并讨论了所得估计的强收敛性、渐近正态性和收敛速度.然后,基于波动率函数的估计,利用期权定价公式得到了变系数Black-Scholes模型有红利支付下的欧式期权价格的估计.最后,证明了所得估计量是期权价格的强相合估计.     

Hull-White随机波动率模型的欧式障碍期权

假定标的股票服从Hull-White随机波动率模型,应用鞅方法、条件分布的性质以及Black-Scholes模型的下降敲出欧式看涨障碍期权价格的Taylor展开式获得了期权价格的近似显示解.最后,通过对偶MonteCarlo模拟法比较了近似显示解的准确性,分析了波动率参数对期权价格的影响.     

隐含波动率的计算和其在可转债定价中的应用

在期货,期权以及其它的衍生证券定价理论方面,Black-Scholes理论是一个主流.本文详细介绍了Blak-Scholes框架下的欧式期权定价理论及其在可转债定价中的应用;并以国内运转较好的燕京转债为例,重点作了对常数利率可转债模型在国内可转债市场的实证分析,并比较了用统计方法估计股票波动率和用隐含波动率时模型的预测效果.结果表明,用隐含波动率来改进常数利率转债定价模型后的预测效果有了很大的提高.     

基于变换二叉树法的期权定价研究

传统的二叉树法广泛应用于期权定价中,但这个方法计算期权价格时依赖于常数的资产价格波动率,因此当波动率是一随机过程即随机波动率模型时就难以用于期权定价中.为了弥补传统二叉树法的缺陷,该文在经典的Black-Scholes(BS)模型下建立了一个新的变换二叉树法,这个方法也可以推广应用于随机波动率模型.最后,运用公式解、传统二叉树法和变换二叉树法分别计算了欧式看涨期权的价格,并验证了变换二叉树法的准确性和可行性.     

Merton随机利率模型下的欧式期权定价

利用偏微分方程的方法研究了Merton利率模型下的欧式期权定价问题。得到了此模型下欧式看涨期权所满足的Black-Scholes方程,并给出了欧式看涨期权的定价公式。在文章的最后给出了相关的数值结果并探讨了该模型下的隐含波动率问题。     

跳影响下欧式期权定价的有限差分方法

为解决Black-Scholes模型几何布朗运动的假设与实际资产变化的波动率"微笑"不符的问题,跳扩散模型在几何布朗运动中引入随机跳推广了Black-Scholes模型.在跳幅度为常数的跳扩散模型下采用有限差分方法对欧式期权定价.利用中心差商近似跳扩散模型中的扩散项,利用矩阵代数近似模型中的跳项,对于离散得到的常微分方程组采用向前Euler格法求解,得出欧式期权定价的有效数值解,并绘制出该模型在不同参数影响下的隐含波动率曲线图.研究结果表明,相对于蒙特卡洛模拟,有限差分方法因具有更加稳健、有效、精度高的特点可被广泛应用于期权定价.     

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.     

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.     

基于价格随机波动率的衍生产品期权定价

为了研究随机波动率对期权定价的影响，应用解偏微分方程与特征函数方法，建立了基于价格随机波动率的欧式买权定价模型．该模型允许基础资产价格的波动率与其收益率相关，并证得欧式买权的价格与基础资产价格过程的漂移项无关．在允许随机利率情况下，应用该模型进一步给出了债券期权和外汇期权的定价公式，结果表明它对期权定价有重要作用。     

随机波动风险和跳风险下欧式期权定价

为了纠正Black-Scholes(BS)模型定价的偏差,首先结合双指数跳扩散模型(DEJD)的分析易处理性和随机波动(SV)模型的波动聚类效应的优点建立了随机波动率和双指数跳扩散组合模型(SVDEJD);然后利用特征函数、Fourier变换和Feynman-Kac定理给出了组合模型下欧式期权价格的闭式解;最后通过模拟实验比较了SVDEJD模型、DEJD模型和BS模型的概率密度。模拟结果表明:所提模型能够很好地纠正BS模型定价的偏差,而且在定价长期期权时,SVDEJD模型比DEJD模型表现出更好的定价业绩。     

支持向量机和人工神经网络在期权价格预测中的比较研究

期权定价已成为金融市场的重要组成部分之一。 由于市场是动态的,准确预测期权价格非常困难。 因此,设计和发 展了各种机器学习技术来预测期权价格未来趋势。 比较了支持向量机(ＳＶＭ)模型和人工神经网络(ＡＮＮ)模型在期权价格预 测中的有效性。 在测试和训练阶段,２ 种模型都使用公开可用的基准数据集 ＳＰＹ ｏｐｔｉｏｎ ｐｒｉｃｅ－２０１５ 进行测试。 ２ 种模型均采 用主成分分析(ＰＣＡ)转换后的数据,以达到更好的预测精度。 另一方面,为了避免过拟合问题,将整个数据集划分为训练集 (７０％)和测试集(３０％)２ 组。 将支持向量机模型与基于均方根误差(ＲＭＳＥ)的神经网络模型的结果进行了比较。 实验结果 表明:神经网络模型优于支持向量机模型,预测的期权价格与相应的实际期权价格吻合良好。     

欧式幂期权的保险精算法定价

在利率和风险资产的收益率、波动率都为时间相依的函数的情形下,利用公平保费原则和价格过程的实际概率测度——保险精算方法给出欧式幂期权定价的公式,得到了欧式看涨期权和看跌期权的价格与Black—Scholes公式一致的表达式和平价关系。     

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.     

分数布朗运动下带红利的欧式期权定价

基于股票价格遵循有分数布朗运动驱动的分数阶随机微分方程.运用Black-Scholes方程理论建立带红利的欧式看涨期权定价模型,根据分数阶随机微分方程理论将方程的求解问题转化为偏微分方程的求解问题,给出期权定价的解析解.