基于鲁棒控制的期权定价方法

首先从经济学的行为分析出发 ,在鲁棒控制的框架下给出了期权卖价、买价和公平价格的严格定义 .然后通过求解微分对策 ,得到了定价模型值函数的封闭解 .最后给出了期权价格及其对冲策略的显式表达式 ,并比较了这种期权定价方法与随机方法的优缺点     

布莱克─肖尔斯期权定价模型在公司价值评估中的应用

公司股票、债券在本质上可看成是基于公司资产的期权,因而可用期权定价方法对其价值进行评估。本文介绍了最典型的期权定价模型─布莱克一肖尔斯期权定价模型,分析了该模型在公司证券价值评估中的应用。     

电子商务对企业定价决策的影响分析及对策

互联网的普及为买卖双方实现交易提供了便利的同时,网上的价格比较侵蚀了商品的价格底线。文章分析了电子商务对企业定价的冲击,给出了“成本透明”条件下企业定价决策的若干建议。     

一种新型的商品最优化定价方法

本文在偏态分布^[5]及收益区间定位分析^[6]的基础上,给出了商品的市场最优定价方法,从而可以方便地计算出商品在市场中的最优销售价及相应的预期利润额;本文同时给出了偏态分布的参数估计方法,这使本文所述最优化定价方法更具实用性。     

无外部市场条件下中间产品转移价格的博弈分析与决策

本文首先用反例证明了文^[1]中在各分厂成本函数和最终产品需求函数已知的条件下,给出的中间产品最优转移价格的两个计算公式并不总是成立的,给出了这两个计算公式成立的充要条件,并分析了公司关于中间产品转移价格决策的动态一致性问题。接着,利用完全信息动态博弈对中间产品转移价格的确定问题做了进一步的分析研究。最后,针对文^[1]中给出的中间产品最优转移价格的两个计算公式不成立的情况,讨论了中间产品转移价格的确定问题。     

保障房市场与商品房市场关系研究

保障房和商品房在本质上是差异化产品,两者在对应的需求层次、房屋的品质、价格、供给和渠道等方面都存在着巨大的差别。自我国房地产市场化以来,商品房就始终处于市场独大的局面,但随着近年来我国政府加大了对楼市的调控、加快了保障房建设的步伐,房地产市场已朝着保障房市场和商品房市场并重的＂双轨制＂迈进。然而,保障房的大规模兴建和投放市场会对商品房市场乃至整个中国楼市产生什么影响,以及保障房供给体系在运行与管理过程中存在什么问题,目前尚不确定。为此,有必要对其深入分析并寻找对策。     

航空客运收益管理的结构模型

本文分析了收益管理决策目标的组成要素以及内外主要因素;讨论了容量、价格和销售数量三个决策变量与市场需求要素之间的关系;具体地提出了达到收益管理目标可以采用的两条降低成本的途径和五种提高收入的基本方式;从系统的角度提出了集成性收益管理决策的结构模型。     

非对称信息下证券公司道德风险定价模型的研究

由于证券市场上非对称信息状态的存在,信息差别给证券投资者保护制度带来了不容忽视的道德风险结果,本文通过建立证券公司道德风险定价模型,计算出了证券公司向证券投资者保护基金机构缴纳保护基金的费率基准。据此,在保护证券投资者利益的基础上,证券投资者保护基金机构可以向证券公司按照给出的费率基准收取保护基金,从而减少证券公司道德风险的发生。     

我国股票市场的流动性风险溢价研究

我国股票预期回报率中包含显著的非流动性补偿和流动性风险溢价,而且非流动性补偿和流动性风险溢价更为显著地出现在流动性较差或者说价格冲击弹性较高的股票上.由于流动性水平和流动性风险在股票横截面上存在强相关性,使得代理流动性水平的非流动性指标能够抓住流动性风险的溢价效应.经典资本资产定价模型的价格风险敏感度对股票回报率缺乏解释力,意味着股票的风险溢价更多地来自对流动性风险的补偿,而非来自对单纯的价格风险的补偿.     

Dynamic Pricing to Minimize Maximum Regret

We consider a dynamic pricing problem that involves selling a given inventory of a single product over a short, two‐period selling season. There is insufficient time to replenish inventory during this season, hence sales are made entirely from inventory. The demand for the product is a stochastic, nonincreasing function of price. We assume interval uncertainty for demand, that is, knowledge of upper and lower bounds but not a probability distribution, with no correlation between the two periods. We minimize the maximum total regret over the two periods that results from the pricing decisions. We consider a dynamic model where the decision maker chooses the price for each period contingent on the remaining inventory at the beginning of the period, and a static model where the decision maker chooses the prices for both periods at the beginning of the first period. Both models can be solved by a polynomial time algorithm that solves systems of linear inequalities. Our computational study demonstrates that the prices generated by both our models are insensitive to errors in estimating the demand intervals. Our dynamic model outperforms our static model and two classical approaches that do not use demand probability distributions, when evaluated by maximum regret, average relative regret, variability, and risk measures. Further, our dynamic model generates a total expected revenue which closely approximates that of a maximum expected revenue approach which requires demand probability distributions.