基于人工神經網絡的期權定價模型.pdf

1、金融工程研究的主要對象之一就是衍生證券，期權是一種重要的衍生證券。期權定價理論是現(xiàn)代金融學的重要組成部分。著名的Black-Scholes期權定價公式(BSF)是基于一組非現(xiàn)實的假設，與期權實際市場價格相比較時顯示出系統(tǒng)性偏差。人工神經網絡(ANNs)方法可以充分利用數(shù)據(jù)，在沒有任何限制參數(shù)的建模假定下，由數(shù)據(jù)確定模型的結構和參數(shù)，建立一種非線性模型。本文建立了使用兩種BP人工神經網絡的模型，其中一種使用了混合目標函數(shù)，比較了兩個ANN

2、s以及BSF模型對S＆P500指數(shù)看漲期權的定價預測能力，初步結果顯示ANNs具有一定優(yōu)勢，但使用混合目標函數(shù)的優(yōu)勢并不明顯。文章分為六個部分： 第一部分介紹了期權定價理論的意義、發(fā)展和本文的主要創(chuàng)新成果； 第二部分介紹了神經網絡基本理論，重點介紹了使用的BP神經網絡，包括BP網絡模型結構、學習算法和局限性； 第三部分對經典的Black-Scholes期權定價模型進行了分析，用兩種方法推導了Black-Schol

3、es方程，并推導了歐式看漲期權定價公式，還將分析擴展到支付連續(xù)紅利的情況，推導了基于支付連續(xù)紅利的歐式期權定價公式； 第四部分分別建立了使用一般函數(shù)和混合目標函數(shù)作為輸出的人工神經網絡模型，首先介紹了使用的數(shù)據(jù)集、主要方法、選擇的輸入、輸出變量等，然后介紹了建立BP神經網絡模型的方法步驟和模型結構，對網絡進行了訓練； 第五部分利用市場交易數(shù)據(jù)對建立的ANN模型進行了檢驗，對人工神經網絡模型與B-S期權定價公式結果進行了比