基于人工神经网络的权证定价研究的中期报告.docx

基于人工神经网络的权证定价研究的中期报告
中期报告：
一、选题背景及研究意义
股权证明或权证是一种金融工具，它授予购买者在未来某个时间以特定价格购买或出售某个（或某些）股票的权利。权证定价是投资者买卖权证时考虑的重要因素之一。传统的权证定价方法多为基于衍生物定价理论，这种方法需要大量的假设，假设中包含高度理想化的市场假设和少量或无交易成本。此外，传统方法通常忽略了市场风险和常数波动率的限制。
基于人工神经网络是一种新兴的方法，它以其在非线性模式识别，函数逼近和处理非线性系统方面的良好表现而备受关注。神经网络建模不需要假设市场模型和假设市场转化过程，因此，它对模型中的结构变化和市场不确定性更加适应。
二、文献综述
神经网络在权证定价方面的应用已得到研究，其中大部分是基于欧式权证进行的，比如：Glosten和Jagannathan（1994）,Zhang和Hu（1996）,Hafner和Herwartz（2005）。
三、研究方法
在神经网络的选择方面，我们将使用前馈神经网络（FFNN），因为它易于理解和实现，且在函数逼近和非线性模式识别方面具有良好的表现。我们将使用股票价格和波动率作为输入变量，使用欧式权证价格作为输出变量。我们将使用贪心算法确定神经网络的架构，并使用L-BFGS算法对网络的权重进行迭代。我们将使用股票和欧式权证的历史数据来训练神经网络，并使用测试集数据来评估其性能。
四、研究预期结果
我们希望本研究能够建立一种有效的权证定价模型，该模型使用人工神经网络在股票价格和波动率输入之后，能够准确地预测欧式权证的价格作为输出，比较这种方法与传统方法的效果。这将有助于实践中的投资者和分析师更好地确定权证的价格，并更准确地判断市场走向。