使用粒子群算法解决期权定价模型参数校准问题——以heston模型为例

发布时间：2020-12-26 06:40

　　期权定价模型的参数校准问题是一个常见的难题,以heston模型为例,定价时需要估计6个参数,参数估计问题实质上是高维非线性规划问题,由于估参函数的性质不好,一般的估参方法常常失效。使用粒子群(PSO)智能算法可以改善该模型的参数校准问题,因为粒子群算法具有内在随机性,因此参数估计中的局部极小值问题可以被较好地解决。使用2017年12月20日的香港恒生指数期权作为估计样本,并对2017年12月25日的期权进行样本外预测,数值结果表明使用heston模型对期权进行定价并配合粒子群算法估计参数具有良好的定价效果。 

【文章来源】：科学决策. 2019年12期 CSSCI

【文章页数】：13 页

【文章目录】：
1 引 言
2 Heston模型期权定价方法
3 粒子群（PSO）算法及其优越性
    3.1 算法简介
    3.2 算法思想
    3.3 标准PSO算法的流程:
    3.4 粒子群算法和其他启发式算法的数值仿真比较
4. 实证分析
    4.1 数据样本集
    4.2 实验方法
    4.3 实验结果
5 结束语


【参考文献】：
期刊论文
[1]一种寻找Heston期权定价模型参数的新方法[J]. 李斌,何万里.  数量经济技术经济研究. 2015(03)
[2]求解非线性双层规划问题的混合变邻域粒子群算法[J]. 范成礼,邢清华,付强,王振江,王艺菲.  系统工程理论与实践. 2015(02)
[3]用模拟退火算法寻找Heston期权定价模型参数[J]. 王林,张蕾,刘连峰.  数量经济技术经济研究. 2011(09)



本文编号：2939228