排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
针对权证市场, 文中首次提出基于非参数估计的权证定价方法, 其中包括完全非参数定价方法和基于模型的非参数修正定价方法, 并将其应用于中国权证市场和香港权证市场的时间外权证价格预测. 实证结果表明: 在价值状况非单调情形下, 基于模型的非参数修正定价方法效果最好, 完全非参数定价方法次之, 半参数定价模型以及参数定价模型效果较差; 此外, 在时间外的权证价格预报方面, 基于模型的非参数修正定价准确性明显优于其他模型. 相似文献
2.
用混合小波网络和遗传算法对期权定价的研究 总被引：1，自引：0，他引：1
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. 相似文献
3.
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. 相似文献
1