机器学习方法在期权定价中的应用

发布时间：2021-11-03 07:13

　　由于市场固有的嘈杂和非线性特征,对市场行为准确预测成为了一项具有挑战性的任务。使用预测值,可以对资产进行定价,并且可以做出战略决策以获得短期或长期的收益。现在市场上已经有了各种统计预测器,并且可以得到不同的结果。本文首先回顾了包含Black-Scholes模型在内的几种期权定价方法,以及几类机器学习算法的基本原理;之后将常见的四种机器学习算法:支持向量机模型;聚类及支持向量机混合模型;输入预测及支持向量机混合模型;强化学习方法,应用于期权定价的数值计算中,并与Black-Scholes期权定价公式得到的理论价格进行比较。本文主要参考了Deoda,A.[11]和Martin,K.[18]的论述,并进一步深入理解,之后利用实际数据对文中提出的方法加以验证。通过不同方法的结果比较发现,采用聚类和SVR方法的混合模型优于单纯的SVM模型。与其他机器学习方法相比,使用预测输入参数的方法的性能较差。有趣的是,大多数模型的性能都随着我们从ITM期权系列转向OTM期权系列而提高。这可以归结为指数在长期价格水平上总是趋于上升的事实。不过现有的程序非常耗时,因为必须为要定价的每个期权都生成模拟。此外,交易... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：53 页

【学位级别】：硕士

【部分图文】：

图４．１股票价格路径??

图４．２状态变量路径??

?２５??时间??图４．４组合价值??４．２．４对每个路径计算回报函数??一旦最佳对冲ａｆ和组合价值Ｊ７，都计算成功，回报函数均（Ｘ，，?ａｔ，Ａ：，＋１）可??以计算出来：??Ｒｉ?＝?一?又＾［Ｕｆ?丨￥］?ｔ?＝?０，…，Ｔ＊?一?１??３４??

【参考文献】：
期刊论文
[1]有限混合泊松分布参数优化的改进EM算法[J]. 冯杭,王胜兵.  兵工自动化. 2017(01)
[2]拉普拉斯混合分布语音模型研究[J]. 侯玉宝,王景芳.  计算机工程与应用. 2014(18)
[3]RBF神经网络在断路器故障诊断中的应用[J]. 郭凤仪,马文龙,李斌.  传感器与微系统. 2010(09)
[4]EM无监督汉语分词算法[J]. 李红霞,易丽萍.  电脑知识与技术. 2009(12)
[5]基于新型神经网络的电网故障诊断方法[J]. 毕天姝,倪以信,吴复立,杨奇逊.  中国电机工程学报. 2002(02)

硕士论文
[1]人工神经网络隐层神经元数的确定[D]. 王立威.重庆大学 2012
[2]EM算法及其加速[D]. 余振华.江西师范大学 2004



本文编号：3473271