利用互联网搜索关注度预测期权隐含波动率变动:基于人工神经网络的分析

本文运用人工神经网络方法,研究互联网搜索对期权隐含波动率的影响.基于标普500指数看涨期权,本文首先建立了一个揭示期权隐含波动率变化与指数收益率、期权Delta和期权剩余有效期之间关系的人工神经网络模型,结果显示此模型的估计精度比Hull和White (2017)提出的解析模型提升了约15%,比Cao、Chen和Hull (2020)提出的神经网络模型提升了约40%.接着,本文引入25个互联网搜索关注度指标,将它们集成一个谷歌趋势指数并作为度量互联网搜索关注度的综合指标.最后,将该谷歌趋势指数的变化率加入到前述人工神经网络模型,从互联网搜索关注度的角度探究期权隐含波动率的动态特征,新的模型进一步提升了约30%的估计精度.     

保硬主元算法的数值报告

保硬主元算法是线性规划基线算法的一种很好的实现形式.在一张基线表格中可以同时实现原始可行和对偶可行.大量的数值实验表明保硬主元算法有稳健的收敛过程,与原始单纯形法相比,问题的规模越大,保硬主元算法的相对迭代次数越少,相对解题时间越短     

线性规划基线算法的数值预报

介绍了基线算法的构思原理，用Neilib数据和随机生成的数据对几种具体的实现形式进行了测试，并与单纯形法进行了比较。理论和数值结果表明基线算法是一种可靠，有效的算法，此外，还给出了有关于其它算法（包括内点算法）的若干评述。     

排考问题的数学模型及其算法

本文建立了排考问题的优化模型，讨论了其基本性质，给出了相应算法。     

修正的基线算法

采用了对基线母表中的ｍ＋１个列向量构成的基矩阵直接求逆的方法对基线算法进行了改进。     

线性规划基线算法的数值报告

介绍了基线算法的构思原理,用Netlib数据和随机生成的数据对几种具体的实现形式进行了测试,并与单纯形法进行了比较．理论和数值结果表明基线算法是一种可靠、有效的算法．此外,还给出了关于其它算法(包括内点算法)的若干评述．