基于RBF神經(jīng)網(wǎng)絡的期權(quán)定價研究.pdf

1、在現(xiàn)代金融市場中，期權(quán)是一種重要的基礎(chǔ)性金融衍生產(chǎn)品。如何準確地為期權(quán)定價一直是眾多學者研究的重要課題。本文主要研究RBF神經(jīng)網(wǎng)絡在期權(quán)定價中的應用。主要工作如下:
　　 1.構(gòu)建模型。在文獻[15]中，盡管楊梁玉利用RBF神經(jīng)網(wǎng)絡對七只權(quán)證進行定價研究，并取得了較好結(jié)果，但其僅考慮了標的股票波動率為歷史波動率的情況，而未考慮標的股票波動率為隱含波動率的情況。我們在此基礎(chǔ)上，以國電CWB1權(quán)證為研究對象，將歷史波動率和隱含波動率

2、同時作為輸入變量構(gòu)建了基于RBF神經(jīng)網(wǎng)絡的期權(quán)定價模型。與B-S定價模型相比，基于RBF神經(jīng)網(wǎng)絡的期權(quán)定價模型模型無任何假設(shè)和限制，而且沒有任何參數(shù)，只需利用已有數(shù)據(jù)，合理確定輸入輸出變量，即可進行期權(quán)定價。與BP模型相比，基于RBF神經(jīng)網(wǎng)絡的期權(quán)定價模型收斂速度更快，而且不存在局部極小的問題。
　　 2.模型的算法實現(xiàn)及實證分析。我們基于Matlab工具箱、K-均值聚類算法、梯度下降法和粒子群算法優(yōu)化(PSO-RBF)的RBF

3、網(wǎng)絡模型進行仿真，得到了比較好的實驗結(jié)果。通過算法參數(shù)和仿真結(jié)果的比較發(fā)現(xiàn)，利用隱含波動率的RBF網(wǎng)絡模型要優(yōu)于利用歷史波動率的RBF網(wǎng)絡模型，且前者所選取的神經(jīng)元個數(shù)要多于后者所選取的?；贛atlab工具箱的RBF網(wǎng)絡的泛化能力較弱?；贙-均值聚類算法、梯度下降算法和PSO算法優(yōu)化的RBF網(wǎng)絡模型計算的權(quán)證理論價格與實際價格的趨勢基本一致。
　　 3.模型的比較。首先，我們采用ME、MSE、MAE和MRE四種誤差指標對分別