新技术采用最优时机的研究——基于Bass模型及实物期权理论

现有实物期权定价模型未能考虑新产品销售量呈现的S型扩散特征,因此该模型的分析结果与实际情况差距较大.当假设新产品价格服从几何布朗运动,同时用Bass模型预测新产品销售曲线,在连续时间状态下运用动态规划方法,就可构建结合新产品扩散特征的实物期权定价模型.以斯的基于Bass模型的实物期权定价模型为基础,通过有限差分方法即可求解新技术采用的最优时机.     

基于Black-Scholes模型的沪深300股指期权定价研究

2013年11月8日,沪深300股指期权仿真交易开始在中国金融期货交易所运行,这意味着我国即将正式推出股指期权交易项目。基于Fischer Black、Myron Scholes和Robert Merton于1973年建立的Black-Scholes期权定价模型可以对沪深300股指期权定价进行模拟实证研究,计算出期限为1个月的沪深300股指期权合约的看涨期权价格和看跌期权价格,通过比较模拟交易数据,可以看出使用该定价模型可以较为准确地模拟出沪深300股指期权价格,从而显示出Black-Scholes期权定价模型对沪深300股指期权定价的有效性。     

基于买进期权和卖出期权的企业人力资本定价

可以用买进期权和卖出期权两种方式对企业人力资本进行定价,从而激励企业管理者努力工作。对买进期权,管理者处于买进期权的多头方,企业处于空头方,企业股票到期市场价格高于执行价格时,买进期权被执行,管理者获利,期权份数与每份期权的预期价值之积即是人力资本定价。对卖出期权,管理者处于卖出期权的空头方。企业处于多头方,持有卖出期权,预先支付给管理者一笔佣金,这笔佣金就是人力资本另一定价方式,即Black-M.scholes公式。此外,两种期权定价可通过期权份数相关。     

指数levy过程下期权定价的保险精算方法

期权定价问题引入了一种新的思想,即采用保险精算的方法,以此来解决非均衡、有套利、不完备市场条件下的期权定价。将期权定价问题转化为等价的公平保费问题。并给出了标的物价格服从指数levy过程的定价模型。经证明对农产品等价格有跳跃的标的物能够很好地给出定价。     

基于期权合约的应急物资采购定价模型研究

应急物资的采购发生在未来某个时间,但是未来的采购价格是不确定的,政府和供应商都希望降低这种不确定性.文章考虑在应急物资的采购中引入期权合约,在签订期权合约和不签订合约两种情况下,分析供应商利润和政府成本的变化,建立应急物资采购定价模型,并运用遗传算法求解模型.结论表明,以期权合约的方式进行应急物资采购,不仅能够避免未来采购价格不确定性的影响,而且能够使供应商利润增加,政府采购成本减少,即期权机制是有效的.最后通过灵敏度分析,分析期权合约的有效期和无风险利率变化对期权价格参数的影响.     

基于时变波动率的期权定价模型实证研究

B-S模型计算的理论价格与实际市场价格存在较大的差异。这个系统性的差异被称为波动率微笑。这说明波动率不是常数,而是时间的函数。学者们也根据波动率的时变特征,提出了多种修正模型。文章主要通过中国权证市场的实证结果,比较了GARCH期权定价模型和随机波动率模型(Heston)以及B-S模型的定价效果。结果表明,GARCH期权定价模型、Heston期权定价模型和B-S模型都低估了市场价格,但是GARCH期权定价模型定价效果最好,而Heston期权定价模型相对于B-S模型定价优势不明显。     

离散时间期权定价模型中概率系数的确定

在离散时间期权定价模型中 ,标的资产的市场价格在每一时点的变动常常有多种可能状态 ,因而确定每一种状态发生的概率是期权定价的关键 .本文探讨了离散时间二项式及三项式欧式期权定价模型中概率系数的确定 ,并利用该概率系数讨论了这类离散时间期权定价模型与Black—Scholes模型的关系     

基于实物期权理论的R&D项目投资决策研究

本文在对实物期权理论和R&D投资项目中的期权特征进行总结的基础上,运用期权定价模型分别对R&D投资项目中的延迟期权和增长期权进行定价,从而得到R&D投资项目的收益现值在决策时点的临界值,以此作为企业进行R&D项目投资的决策依据.     

中国上证A股50ETF期权套利路径及风险对策研究

本文以有效市场为前提条件,分析发生在不完全信息传递中对市场的有效性进行评判,试图以证券市场上证50ETF期权品种为例,通过对其价格以及套利空间图形分析,来探讨对冲套利交易的策略.并对证券市场的期权衍生品套利路径等进行探究,同时对相应的风险对策理论解释.并以此逻辑线索进行分析,指出期权定价的路径依赖使得人们在不完全信息条件下可以完成通过寻找期权定价差价来增加收益,从而在避免利率波动的同时提高债券期权投资组合的收益率.本文最后对如何正确对待期权定价提出了合理化建议.     

最大熵方法在组合期权定价中的应用

在欧式期权的基础上,采用最大熵方法,求得无偏差的概率分布,对组合期权进行定价与求解.在此过程中,应用自融资无套利市场原理作为变化的基础,在无风险资产同时存在的条件下,通过惩罚函数法及BFGS算法的综合应用进行价格求解,使组合期权定价方法更为准确.     

基于EMD的神经网络股价预测方法

股价波动具有复杂、非平稳、非线性等特点,传统经济模型难以对其进行准确预测。文章将机械工程领域用于分解复杂信号的EMD算法嵌入神经网络模型建立了基于EMD的神经网络股价预测模型,并通过检验该模型有效性以及将该方法的预测效果与小波神经网络预测方法的预测效果相比较,得出该方法是优于小波神经网络预测方法的最佳股价预测方法的结论。     

基于混沌时间序列分析的股票价格预测

根据股票市场是非线性动力系统的假设,利用混沌理论对混沌时间序列的分析方法,提出了股票价格预测方法。同时利用重构相空间的嵌入维数和延迟时间分别确定经向基函数模型网络的结构和训练样本对,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,并与前馈神经网络模型相比,可得到较好的预测结果,因而在股票时间序列预测中有广泛的实用价值。     

畜产品价格定量预测方法评析

通过文献研究,本文归纳出定量预测畜产品价格的方法模型主要有回归模型、Box-Jenkins方法和VAR模型以及神经网络模型。没有明确的证据显示某一种方法或模型一定优于另一种方法或模型。在畜产品价格预测中,如果需要得到较为精确的预测结果,可供借鉴的做法是采用两种以上的方法或模型进行比较,或者进行组合。     

基于小波神经网络的国际铀资源价格趋势分析

铀资源是核能发展的物质基础。研究国际铀资源价格的走势对制定我国核能开发及利用的政策和发展规划具有重要的参考价值。构建小波神经网络,预测了国际铀资源价格的趋势。通过比较发现小波神经网络的预测精度高于与之结构相同的传统BP网络以及时间序列模型。研究表明短期内国际铀资源价格将呈下降趋势,而2至5年内将呈现先抑后扬的趋势,但相比2006-2007年仍处于价格的低位,建议在这一时期逐步增加铀资源的战略储备。     

基于EMD-BP神经网络的我国棉花期货价格预测方法研究

为提高非线性和非平稳性的棉花期货价格的预测能力,该文采用基于EMD的BP神经网络预测方法,对原始序列进行分解,产生多个平稳序列imf,然后对每个imf进行预测,把预测结果相加得到原序列的预测值。实验结果表明,基于EMD的BP神经网络预测方法优于单纯BP网络预测。     

基于BP神经网络的城市住宅地价水平模型研究——以杭州市为例

在揭示城市住宅用地特征的基础上,分析并确定影响住宅用地地价水平的相关因素,并利用BP神经网络构建城市住宅用地地价水平预测模型。通过对杭州市历年住宅用地地价水平预测的个案研究,表明此方法经济、便捷、适应能力强,值得应用与推广的同时,也为加强城市土地价格管理提供科学参考与依据。     

Multiscale Combined Forecast of Carbon PriceBased on Mixed Structure Data

Accurate forecast of the carbon trading price is of great significance in promoting the scientific and rational development of carbon trading market. Therefore, this paper proposes a multi-scale combined forecasting method for carbon price based on mixed structure data. First, the Google Index is used to extract the unstructured data related to the carbon price.The dimensions of unstructured data are reduced based on principal component analysis. Then, EMD is employedto the structured data,unstructured data and the carbon trading price to obtain different IMFs, which are reconstructed by the Fine-to-Coarse technique to get low, high frequency sequence and trend sequence. Furthermore, the three items are predicted respectively by using ARIMA, PLS and neural networks according to the features of each scale in time series. Finally, the forecasting results are summed to get the carbon price forecast sequence. The proposed method is used to forecast carbon price in EU. The empirical results show that the prediction accuracy of the model is higher than that of the single prediction method and the prediction method that time series aren’t decomposed by EMD, which is of great applicability.     

基于多层神经网络的非线性系统预测

针对一类非线性动态系统,提出了一种新的基于多层神经网络的自适应预测器,并对基于神经网络的预测机理进行了分析。该预测器由两个同构的多层神经网络实现,其中一个称为学习网络(LN),另一个称为预测网络(PN)。彷真结果表明,速种基于多层神经网络的预测嚣对于恒定参数的非线性系统是有效的,从而为解决非线性系统预测问题提供了一条可行的途径。     

以广义回归神经网络预测共同基金报酬

鉴于近年来许多相关文献成功地运用广义回归神经网络进行财经方面的预测,以及国内共同基金净值之预测与报酬率评估。通过搜集国内基金资料,以灰关联分析法进行各基金投资绩效分析,挑选投资绩效良好的共同基金作为投资标的;再以广义回归神经网络建立预测模型,与灰预测模型、多元回归模型进行预测能力及报酬率的比较分析。5种预测绩效评价指标、5组数据交互验证散布图及报酬率分析表明:广义回归神经网络在预测能力及预测报酬率上均有很好的表现。     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。