基于神经网络方法的期权定价应用研究

发布时间：2020-05-21 12:10

【摘要】：在现代金融市场中,金融衍生产品扮演着十分重要的角色。而在众多的金融衍生物当中,期权是一种重要的基础性衍生产品,如何准确地为期权定价一直是众多学者研究的重要课题。 期权市场是一个高度复杂的非线性动态系统,尽管经典的BS期权定价模型被认为是近30年以来期权定价发展中十分重要的研究成果,但是同实际金融市场交易价格比较,仍然呈现出比较明显的系统偏差。产生这些偏差的主要原因是由于该类模型所基于的理想化假设。而人工神经网络作为一种重要的非参数化数据驱动模型,近些年来在期权定价中也得到了大量的关注与应用。它使得人们可以充分利用数据,在没有任何限制和任何假定下,由数据确定模型的结构和参数,从而获得良好的定价效果。 本文详尽地介绍了期权定价的研究背景和神经网络的原理与发展,探讨了神经网络的结构设计,应用BP神经网络和小波神经网络,选取江铜CWB1权证作为研究对象,通过Matlab软件编程分别建立了基于上述两种神经网络的期权定价模型,并利用训练好的两种神经网络分别进行一步和五步预测,最后采用MSE、MAE和MRE三种误差指标来评价不同模型的预测精度。 通过实证分析对比神经网络模型与BS模型的期权定价效果,发现神经网络的定价精度大大优于传统的BS定价模型。而不论是BP神经网络还是小波神经网络,其一步预测要比五步预测精确,印证了神经网络适合超短期预测的理论依据。另一方面,无论是一步预测还是五步预测,属于局部逼近网络的小波神经网络在一定程度上又优于BP神经网络,其中定价效果最为突出的小波一步预测的平均相对误差仅为6.7%。
【图文】：

基于神经网络方法的期权定价应用研究3.2.1BP神经网络结构反向传播网络实际上类似于一个多层感知器，因而在体系架构上与多层感知器非常相近，也即典型的前馈型神经网络的体系结构。隐含层的出现，使神经网络的学习训练变得复杂和困难，，所以严重地阻碍了学者们对多层神经网络的研究限制了神经网络的探索与发展。BP算法的出现突破了这一难题，促使多层神经网络的研究重新活跃。图3一2所示为多层前向网络中的一部分，其中有两种信号流通。~~~~~~~卜

999990.012111111OOO0.023888lll1110.0257771112220.011666以表4.2作为参考，再经过反复的尝试，最终确定12个隐含层节点是比较合适的。隐含层节点数为12个的BP神经网络训练过程如下图:
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F224;F830.9

【参考文献】

相关期刊论文 前10条

1 张根明;刘娟;卿小明;;BP神经网络在权证定价中的应用研究[J];山东工商学院学报;2007年03期

2 刘凤琴;马俊海;;金融衍生证券的人工神经网络定价方法研究进展评述[J];财经论丛;2008年03期

3 张鸿彦;林辉;;基于小波神经网络的期权定价模型[J];东南大学学报(自然科学版);2007年04期

4 解光军,庄镇泉;期权定价中的分步式预测模型[J];系统工程;2000年04期

5 郭雪;葛翔宇;;蒙特卡罗方法在权证估价中的应用[J];经济师;2007年03期

6 吴立扬,马文伟;基于人工神经网络的实物期权定价[J];武汉理工大学学报(交通科学与工程版);2004年01期

7 高博;王启敢;张艳锋;;权证定价中的神经网络方法[J];统计与决策;2010年14期

8 谭朵朵;;基于BP神经网络的S&P500指数期权定价[J];统计与信息论坛;2008年11期

9 向小东;;基于小波神经网络的非线性组合预测方法及其应用研究[J];现代管理科学;2007年06期

10 张新红;;经济时间序列的连续参数小波网络预测模型[J];运筹与管理;2007年02期

相关博士学位论文 前1条

1 张新红;小波网络理论及其在经济预测中的应用研究[D];天津大学;2003年

相关硕士学位论文 前8条

1 马文伟;基于人工神经网络的实物期权定价方法研究[D];武汉理工大学;2004年

2 刘志强;基于神经网络的期权定价模型[D];重庆大学;2005年

3 王映乔;基于神经网络的汇率预测及系统设计[D];西南财经大学;2007年

4 刘娟;基于人工神经网络的权证定价研究[D];中南大学;2007年

5 张凌;基于人工神经网络的期权定价模型[D];武汉理工大学;2007年

6 杨梁玉;RBF神经网络在认股权证定价中的应用研究[D];厦门大学;2009年

7 卢晓彤;分数布朗运动环境下的期权定价问题[D];华中科技大学;2008年

8 张轲;中国权证价格的神经网络预测模型及其结构优化[D];电子科技大学;2010年

本文编号：2674271