基于特征函数局部结构微扰法的行为期权定价研究

行为资产定价模型(behavioral asset pricing model,BAPM)因其能较好地解释金融市场异象,近二十年来一直是金融学界的热门研究主题之一.然而,BAPM模型较少应用于现实期权定价,原因之一是很难获取它的特征函数表达式,导致期权解析定价公式的缺失.本文针对Farkas等(2017)和孙有发(2020a)提出的考虑了投资者非理性情绪以及羊群行为的一类BAPM模型,为获取该模型的特征函数解析式,首先将它解构为精确部分和待定的局部结构,然后应用微扰法和费曼卡兹定理获取该局部结构的逼近表达式,进而合成得到原始特征函数的高精度解析逼近;最后应用Fourier-Cosine方法,推导出该类BAPM模型下的欧式期权近似解析定价公式.数值实验与实证研究表明:1)与孙有发等(2020b)提出的基于一阶扰动的Fourier-Cosine定价方法相比,本文提出的基于特征函数局部结构微扰法的行为期权定价方法,在不损失效率的前提下,无论是在定价精度、还是在稳定性方面均有更优越的表现;2)将BAPM模型下的欧式期权解析定价公式应用于上证50ETF和沪深300ETF期权市场,定价精度高于现有...     

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...