硕士论文-基于人工神经网络的权证定价研究.pdf

十南大学硕士学位论文研究生姓名导师姓名及论文题目基于人工神经网络的权证定价研究学科、专业金融学专业技术职务张根明教授2007年3月刘娟分类号编号密级CENTRALSoUTHUNIVERSITY⋯⋯
摘要权证市场是一个高度复杂的非线性动态系统，其变化既有内在的规律性，同时也受市场、经济、非经济等诸多因素的影响。如果能建立客观科学的权证评估方法，对投资者来说将是非常有益的。人工神经网络是一门新兴的边缘学科，与传统权证定价方法(B-S模型)相比，人工神经网络不需要精确的数学模型，没有任何前提与假设，因此可以弥补传统定价方法的不足，解决一些用传统定价方法不能解决的问题。一本文应用BP神经网络与遗传算法，选取目前市场上2007年1月1日前上市的所有权证作为研究对象，建立了基于人工神经网络的权证定价模型。采用的分析期间，为各权证上市后连续三个月资料，其中前两个月资料作为学习样本，后一个月资料作为测试样本。标的股价波动率是影响权证价值的一个重要变量，分别对所选24只权证的历史波动率和隐含波动率进行了估计，并将其同时作为BP模型的输入参数，以比较其影响。通过对比分析BP模型与B—S模型，发现不论是使用历史波动率还是隐含波动率，BP模型在定价精确度上均优于B-S模型，且BP模型使用隐含波动率后，整体降低了与市场价格的误差。关键词权证，BP模型，B-S模型，遗传算法硕士学位论文
matterwarrants．neobjectivemodel)，itanyandGeneticEuropeanWarrantsJanuaryanalysisthatofwarrants．takesprecision，andABSTRACTWarrantmarket，economyhelpfulmethods(B—Sto1．2007。nleusedseparatelythat，110historyusingWORDSmarkethighlycomplicatenonlinearsystem．Itsvariationhasownregulation，butisinfluencedbymanyothersuchnon-economy．Itwillbeifwecouldscientificwarrantmethod．Artificialneuralnetwork(ANN)isrisingborderlinescience．Comparedthetraditionalwarrantspricingneedmathematicalmodeldoeshaveassumption．ItmakemethodssomeproblemfailedartificialnetworkAlgorithmsestablishmodel，takessampletradinglisted，thedatafirstaresamplesremainingsamples．ThevolatilityimportantvariableaffectsestimatesimpliedthemofBPcomparetheirimpact．Comparingshowsfluctuatingimply，thesuperiorB—Sinimply,thewhole．KEYwarrant，BPmodel，B-Smodel，Genetic硕士学位论文iSitsalsofactorsveryinvestors，updoesn’tpreconditiondeficiencysolveresolve．1rI怆paperBP24nowexistedlistedbeforeperiod30consecutivedaysafter20studytestingoftargetstockvaluepaperhistorical14input01"thereducedeviationwithpricesetexactnottOrateaasanorCallUSeSⅡ
作者签名：姐导师签名军拯盟日期：牮上月型作者签名：趣原创性声明关于学位论文使用授权说明本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文，允许学位论文被查阅和借阅：学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文：学校可根据国家或湖南省有关部门规定送交学位论文。
第一章导论1．1研究背景及意义目前，多数人在评价权证时，采用布莱克——斯科尔