应用混合神经网络和遗传算法的期权价格预测模型

隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.提出了一种加权的隐含波动率作为混合神经网络的输入变量,建立了混合神经网络和遗传算法相结合的期权价格预测模型,通过遗传算法来优化神经网络的结构和获得隐含波动率的权重.在对香港金融衍生品市场的实证中表明,本文模型在预测结果上要优于传统的Black-Scholes模型.     

跳自刺激效应下的VIX期权定价研究

针对VIX指数的均值回复、波动率聚集特征以及实证研究最近发现的跳跃自刺激性,本文采用具有自刺激性的Hawkes过程对VIX指数的跳跃进行建模,进而构建仿射跳跃扩散模型用于VIX期权定价,得到Hawkes跳跃扩散过程的条件特征函数,然后在风险中性定价框架内采用傅里叶变换方法推导出VIX期权的价值表达式。实证结果表明,本文模型不仅能克服一般均值回复模型拟合误差大的缺点,且能产生正的隐含波动率倾斜和隐含波动率微笑;另一方面,由于考虑了跳跃的自刺激,本文模型在泊松跳跃均值回复模型基础上进一步改善了VIX期权价格的预测效果。     

一类高新技术企业专利权价值的实物期权评估方法——基于跳扩散过程和随机波动率的美式期权的建模与模拟

由于经典的Black-Scholes期权定价模型的假设忽略了突发事件对资产价格的影响和"波动率微笑"对期权价值的影响而与实际情形往往存在偏差,因此学者们对Black-Scholes模型的改进则主要分别集中在带跳扩散过程的期权定价模型与具随机波动率的期权定价模型等两个方面,然而却少见将这两种模型结合起来的研究。本文首先在带跳扩散过程的期权定价模型与具随机波动率的期权定价模型的研究工作的基础上,建立了一种同时带跳扩散过程和具随机波动率的美式期权定价模型,并通过伊藤引理推导出了资产价格、随机波动率和期权满足的偏微分方程;然后,利用特征函数法和傅里叶变换导出了资产价格的随机分布,进而通过马尔科夫链方法给出了基于跳扩散过程和随机波动率的美式期权的数值解;最后,运用已建立的带跳扩散过程和随机波动率的美式期权定价模型对高新技术企业项目投资的专利权价值进行实物期权定价评估的案例研究,并对跳扩散强度参数和随机波动率参数进行敏感性分析,研究结果表明:将项目收益跳扩散过程和市场环境随机波动率加入到专利权实物期权定价模型中,可以有效避免专利权的期权价值被高估。     

隐含波动率与实际波动率的关系：中美比较

  上证50ETF期权上市至今,中国期权市场表现出很多与美国市场显著不同的特征,由此引申出关于美国的经验是否适用于中国、中国期权市场定价是否有效的争论。         基于2015年4月16日至2017年12月29日的中国上证50ETF期权数据和美国S&P500期权数据,以股指收益率与波动率的相关系数以及股指收益率的历史分布为工具,从整体特征和横截面特征两个维度,研究隐含波动率与实际波动率的理论关系;以使用期权市场数据计算得到的隐含波动率数据、波动率微笑和实际波动率数据、0Delta组合的超额收益为工具,研究隐含波动率与实际波动率的实际关系;针对上述理论关系和实际关系进行中美比较。由于理论关系研究中未使用期权数据,因此通过比较上述两个维度下的理论关系与实际关系的差异,可以对中国期权市场的绝对定价效率和相对定价效率进行探究。         研究结果表明,在整体特征上,美国期权市场中隐含波动率与实际波动率的理论关系与实际关系相符,美国期权市场在绝对定价效率维度上有效;中国市场,尤其是牛市样本中,隐含波动率与实际波动率的理论关系与实际关系不相符,中国期权市场在绝对定价效率维度上被高估。在横截面特征上,美国期权市场中隐含波动率与实际波动率的理论关系与实际关系相符,美国期权市场在相对定价效率维度上有效;中国市场,尤其是牛市样本中,隐含波动率与实际波动率的理论关系与实际关系不相符,中国期权市场在相对定价效率维度上无效,低行权价的期权被低估、高行权价的期权被高估。在上述两个特征的研究中,相应构造的0Delta组合(策略)同样支持上述结论。         通过中美两国隐含波动率与实际波动率的理论关系与实际关系的研究,发现中美两国的市场状况存在差异,在中国期权市场上的研究和交易不能简单照搬美国经验,要仔细研究和利用中国市场的当前特征。监管层也应完善中国股票和期权市场制度,降低期权交易成本,实行股票现货交易(t+0)制度,完善股票现货做空机制,以使套利机制可以正常发挥作用,改善当前上证50ETF期权市场被高估的现象,使期权的保险功能正常发挥作用。     

逆向主导型供应链期权定价优化的绩效影响因素分析

在包含市场利率、现货价格波动率和期权期限三个重要期权定价影响因素的逆向主导型供应链期权协作模型基础上,通过对模型决策优化机制的分析和灵敏度分析的方法,借助Matlab软件工具,研究市场利率和现货价格波动率对期权定价和供应链绩效的影响.通过数值仿真分析,进一步计算市场利率和现货价格波动率对期权定价和供应链绩效影响的规律和临界值.获得对企业制定供应链期权契约具有指导意义的研究结论.     

一种混合建模方法及其在ETF期权定价中的应用

科学合理的交易型开放式指数基金（ETF）期权定价有利于充分发挥其风险对冲功能,也是一个需要准确掌握市场规律并兼顾经济学意义的复杂建模过程。本文提出了一种新的混合建模方法,将嵌套长短时记忆神经网络模型（NLSTM）与Heston模型结合,实现ETF期权定价偏差的动态修正,并基于华夏上证50ETF、嘉实沪深300ETF和华泰柏瑞沪深300ETF的高频期权数据,实验验证了所提方法的有效性。研究结果表明,不同类型ETF期权价格的波动特征差异显著,无论是基于BS定价模型还是Heston定价模型都难以准确刻画ETF期权价格的复杂变化规律。通过将NLSTM神经网络模型与Heston模型结合,能够有效地捕捉不同类型ETF期权的动态变化规律,从而提升ETF期权定价的准确性。     

基于非均匀离散Fourier变换的隐含Levy模型估计研究

市场上交易的期权价格蕴含了市场参与者对期权标的资产价格未来运动的预期信息,基于期权价格得到的标的资产价格运动模型被称为隐含模型,应用于衍生品定价与风险管理显著优于基于资产价格历史数据得到的模型,Levy模型近年来被广泛应用于描述金融资产的价格运动。Levy模型一般不存在解析形式的概率密度函数,但总是存在解析形式的特征函数。利用Levy模型下期权定价的Fourier变换理论,基于非均匀离散Fourier变换研究了隐含Levy模型的参数估计问题。首先,基于Fourier变换的欧式期权定价,给出了欧式看涨期权价格与特征函数之间的关系。接着,介绍了Levy过程基本性质及其特征函数。再接着,给出了非均匀Fourier变换;然后,给出了Fourier域的模型拟合与参数估计。最后,演示了本文方法的在估计隐含Levy模型中的应用,从模型参数估计与模型识别两个方面验证了方法的有效性。研究结果表明,本文方法能够解决Levy过程不存在着解析形式密度函数导致的难以估计隐含模型参数问题,能够处理市场上交易的期权执行价格分布不均匀,数据量少的问题,是一种有价值的参数法隐含概率密度估计方法。     

国际溢出、国内基本面与期权定价

构建了一个具有主导市场和追随市场的两市场综合模型(SpillMacro-GARCH),它允许主导市场对追随市场存在溢出效应和两个市场的波动均受本国基本面因素的影响.此外，在Radon-Nikodym导数为非单调假设条件下推导出新模型的欧式期权的封闭解价格，该研究框架适用于新兴市场的期权定价.实证结果显示：基于上证50ETF期权数据和隐含波动率均方根误差(IVRMSE)的评价标准，且在其它条件保持相同的情况下，考虑国际溢出效应可以降低期权定价误差约14.5%;增加宏观基本面因素的定价模型比传统HN-GARCH模型和滚动窗(RollWin)方法的期权定价误差分别下降7.9%和24.0%;同时还发现非单调的定价核能够显著地提高期权定价精度.以上结论对不同的定价效率评价标准、不同的宏观基本面代理变量、不同的研究样本区间和样本外定价分析等均是稳健的.     

期权“净购买压力”的隐含信息

使用50ETF期权的高频数据,研究“净购买压力”指标对指数方向性和波动性变化的预测能力,并比较不同加总方法、看涨看跌、不同在值程度的期权以及非对称的“净购买压力”指标隐含信息的差异性.本文发现,50ETF期权“净购买压力”指标隐含着标的指数方向性和波动性的变化信息.在预测指数变化方向时,Delta加总的“净购买压力”隐含的信息已包含在简单加总的指标之中,看涨、看跌期权以及不同在值程度的期权在信息含量上存在差异性.在预测指数波动性时,使用简单加总和使用Gamma、Vega加总的“净购买压力”指标均隐含着未来市场的波动率信息,平值和虚值期权的“净购买压力”指标对波动率具有更强的预测能力.同时,“净购买压力”的隐含信息存在非对称特征.     

基于期权与高频数据信息的VaR度量研究

传统的市场风险度量模型没有充分利用期权与高频数据包含的信息,且主要基于单因子波动率模型,导致信息的损失以及模型缺乏足够的灵活性.本文基于灵活的双因子随机波动率模型,通过提取期权与高频数据包含的市场前瞻与当前信息,构建相应的市场风险度量波动率模型对在险值（VaR）进行度量.为了估计模型参数,建立基于连续粒子滤波的极大似然估计方法.采用iVX指数与已实现波动率测度（RV）作为上证50ETF期权与高频数据信息的代理,对构建的市场风险度量波动率模型进行了实证检验,结果表明：充分利用了期权与高频数据信息的双因子随机波动率模型能够在快速变化的市场环境中更好地估计波动率,相比其它波动率模型（仅利用了历史数据信息的GARCH模型、利用了高频数据信息的已实现GARCH模型以及利用了期权与高频数据信息的单因子随机波动率模型）具有更为优越的VaR度量精确性,尤其是极端风险情形下的VaR估计精确性改进明显,凸显了期权与高频数据信息以及双因子波动率在市场风险管理中的价值.     

基于混合智能算法的电子市场供应链期权合同协调

在电子市场环境下,考虑了需求、市场价格和市场准入程度的随机性,基于Stack-erlberg主从对策,建立了供应链期权合同协调的随机期望值模型。在这一主从对策模型中,主方供应商的目标函数是预期利润,决策变量是期权合同预订费用和执行费用;从方分销商的目标函数是预期利润,决策变量是订货量。应用包括随机模拟、人工神经元网络和遗传算法组成的混合智能算法求解该主从对策问题。最后,结合上海宝钢集团益昌公司电子商务的运作实例,运用混合智能算法进行了仿真计算与分析。     

基于非仿射随机波动率模型的期权定价研究

本文应用快速傅里叶变换(FFT)方法, 考虑了标的资产服从非仿射随机波动率模型下的期权定价问题。首先, 应用偏微分方程扰动分析法, 得到了标的资产对数价格分布的近似特征函数; 然后, 应用傅里叶变换及其逆变换, 推导了欧式期权的拟闭型定价公式, 对此公式应用FFT方法可以快速得到高精度数值解。数值实验表明, FFT期权定价方法是非常精确的和有效的; 最后, 给出了基于恒生指数认购权证的实证研究。实证结果表明, 非仿射随机波动率期权定价模型比经典的Black-Scholes模型具有更高的定价精确性。     

规避通胀风险的结构性理财产品设计与定价

在资产通胀风险日益增加的背景下,如何设计出更加符合市场的结构性理财产品并给予其合理定价是目前亟待解决的问题。运用金融工程组合分解技术构建一种创新型幂式双障碍敲出期权,该期权可以作为银行结构性理财产品的内嵌期权,从而获得一种创新型幂式双障碍理财产品,运用风险中性定价理论将复平面的围道积分应用于Laplace逆变换给出期权定价模型,以中国银行HJB0903v为例,研究中国规避通胀风险的黄金挂钩双障碍理财产品定价的合理性,并分析黄金价格波动对HJB0903v触及障碍的概率和理论价格的影响。研究结果表明,产品发行价格稍高于其理论价值,隐含溢价率为0.81%;波动率的增加使触及障碍的概率增加,使理论价格先小幅增加后大幅降低,最终趋于某一稳定值。     

“马钢”可分离转债定价实证分析

以国内首支认股权和债券分离交易的可转换公司债券——马钢可分离转债为样本,从实证角度对其进行了定价分析。考虑了这次可分离转债的特点,采用历史波动率、GARCH(1,1)模型波动率和隐含波动率3种不同估计方法来计算波动率,利用修正的B-S权证定价模型进行转债权证部分定价,并和市场真实价格进行比较,详细分析比较3种波动率的定价效果。在运用修正的B-S权证定价模型时,考虑了公司总股本价值因可分离债券发行的增加,同时采用公司股权波动率进行计算,检验了修正B-S权证定价模型对马钢认股权证定价的有效性,实证证明采用隐含波动率或GARCH模型具有较好的定价效果。     

Stock index forecasting based on a hybrid model

Forecasting the stock market price index is a challenging task. The exponential smoothing model (ESM), autoregressive integrated moving average model (ARIMA), and the back propagation neural network (BPNN) can be used to make forecasts based on time series. In this paper, a hybrid approach combining ESM, ARIMA, and BPNN is proposed to be the most advantageous of all three models. The weight of the proposed hybrid model (PHM) is determined by genetic algorithm (GA). The closing of the Shenzhen Integrated Index (SZII) and opening of the Dow Jones Industrial Average Index (DJIAI) are used as illustrative examples to evaluate the performances of the PHM. Numerical results show that the proposed model outperforms all traditional models, including ESM, ARIMA, BPNN, the equal weight hybrid model (EWH), and the random walk model (RWM).