隨著經(jīng)濟社會的不斷發(fā)展和進步,企業(yè)的經(jīng)營業(yè)務(wù)和管理手段也在不斷的變化,導致公司的價值類型也在不斷的更新。企業(yè)面臨的未知因素越來越多,管理決策的靈活性也越來越強。這使得以往用于企業(yè)價值評估的分析方法逐漸失效,主要在于其無法估計出公司的可變性變化帶來的那部分隱藏價值。實物期權(quán)恰好彌補了這部分的欠缺。它能夠估計公司以上所描述的隱藏價值,從而得到更準確的價值評估結(jié)果。本文將從定性和定量兩個角度對實物期權(quán)展開研究。首先,在定性研究方面。由于實物期權(quán)發(fā)展并不是非常完全,導致其迄今并沒有一個統(tǒng)一的定義。本文就此根據(jù)實物期權(quán)的特點,通過總結(jié)歸納大量文獻資料,概括性的給出實物期權(quán)的定義及其分類。填補了實物期權(quán)這一部分的空白。其次,在定量研究方向。對實物期權(quán)進行定價研究。根據(jù)其定價方面與金融期權(quán)的相似性,比照金融期權(quán)定價模型指標選取了標的物的現(xiàn)值S、實施價格X、公司價值的變動率?、執(zhí)行時間T、無風險利率r,五個指標作為實物期權(quán)定價模型的變量。從國泰安數(shù)據(jù)庫中搜集深圳證券交易所上市企業(yè)中的55家的財務(wù)數(shù)據(jù),計算以上指標數(shù)值。再利用選定好的指標運用傳統(tǒng)實物期權(quán)定價模型——Black-Scholes定價模型對實... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

單期二項式模型定價變化

哈爾濱工業(yè)大學應(yīng)用統(tǒng)計碩士專業(yè)學位論文-15-圖2-2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖該網(wǎng)絡(luò)主要由三部分組成：輸入層、隱含層、輸出層，其中，輸入層、隱含層與輸出層節(jié)點的數(shù)量依次為r、n和m。X則代表該BP神經(jīng)網(wǎng)絡(luò)的最終輸入層的結(jié)果并且O和T分別表示與之相對應(yīng)的網(wǎng)絡(luò)實際輸出矩陣和期望輸出矩陣，W表示輸入層節(jié)點和隱含層節(jié)點相互關(guān)聯(lián)形成的權(quán)值數(shù)據(jù)，V為隱含層節(jié)點和輸出層節(jié)點相互關(guān)聯(lián)形成的權(quán)值數(shù)據(jù)，nBR和mCR為是隱層節(jié)點、輸出層節(jié)點的閾值數(shù)據(jù)。輸出層的輸出則展示為式（2-18）：11121111211212,rnnnnrmmmnnrmnOfVgWXBCwwwvvvWVwwwvvv(2-18)其中，1212,,,,,,,TTrmXxxxOooo，ijw表示的是兩層相連的權(quán)值。具體屬于隱層第i個節(jié)點和輸入層第j個節(jié)點的權(quán)值。ijv也表示的是兩層相連是權(quán)值。具體屬于隱層第j個節(jié)點和輸出層第i個節(jié)點的權(quán)值。f和g代表輸出層、隱層的作用函數(shù)。由于其實現(xiàn)過程規(guī)定激活函數(shù)必須是處處可微的。因此，隱含層神經(jīng)元的激活函數(shù)通常是Sigmoid型函數(shù)：1()1xgxe，輸出層作用函數(shù)通常選用取Purelin函數(shù)[44]。BP神經(jīng)網(wǎng)絡(luò)有兩種常見的學習算法。一種是輸入樣本進入當前網(wǎng)絡(luò)模型后，產(chǎn)生的誤差反向傳播，利用梯度下降法重新確定權(quán)值，稱為在線方法。另一種方法是該網(wǎng)絡(luò)模型將全部樣本進行學習過程，再重新確定權(quán)值，叫做批處理辦法。與前一種辦法對比，此方法的好處主要是速率高，不容易出現(xiàn)陷入局部最小值這種現(xiàn)象。批處理方法的具體步驟如下：

哈爾濱工業(yè)大學應(yīng)用統(tǒng)計碩士專業(yè)學位論文-20-層是使用非線性優(yōu)化策略來調(diào)整激活函數(shù)（格林函數(shù)或高斯函數(shù)，通常是高斯函數(shù)）的參數(shù)，因此學習速度較慢。RBF神經(jīng)網(wǎng)絡(luò)運行的基本思想是使用RBF函數(shù)作為隱藏單元的“基幢來形成隱藏層空間，并且輸入層將輸入信號直接傳輸?shù)诫[藏層，以便輸入向量可以簡單（即不借助權(quán)重作用）傳輸?shù)诫[藏層節(jié)點，隱藏層單元的輸出是網(wǎng)絡(luò)輸入的RBF函數(shù)映射（非線性）；除了隱藏單元和輸出單元之間連接的權(quán)重之外，線性加權(quán)總和也是其可調(diào)節(jié)參數(shù)。在RBF神經(jīng)網(wǎng)絡(luò)中隱藏層的獨特作用在于將向量映射的維度升高，從而使得向量可以在高維度中變?yōu)榫�性可分向量。由此可見，RBF網(wǎng)絡(luò)整個過程屬于非線性過程，但算法輸出的各個參數(shù)卻為線性的，因此權(quán)值的計算就可以用線性方程組求得，就可以快速提高學習速度，同時也避免了局部極小值的題的發(fā)生[47]。其結(jié)構(gòu)及其常用作隱含層激活函數(shù)的Gaussian函數(shù)形狀如下圖3-1和圖3-2所示，圖3-1RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

【參考文獻】：
期刊論文
[1]基于參數(shù)優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計算法[J]. 翟瑩瑩,左麗,張恩德.  東北大學學報(自然科學版). 2020(02)
[2]基于RBF神經(jīng)網(wǎng)絡(luò)的伊犁馬體重估測模型[J]. 朱讓東,張?zhí)t,郭斌.  計算機技術(shù)與發(fā)展. 2020(03)
[3]實物期權(quán)定價問題研究[J]. 鄭禮典.  北方經(jīng)貿(mào). 2018(09)
[4]基于神經(jīng)網(wǎng)絡(luò)和實物期權(quán)的新藥研發(fā)項目估值模型研究[J]. 薛永剛,張明麗.  中國新藥雜志. 2016(04)
[5]基于改進的實物期權(quán)模型的新能源上市企業(yè)價值評估研究[J]. 卜洪運,李紅珊.  燕山大學學報(哲學社會科學版). 2013(04)
[6]R&D項目的期權(quán)價值——基于跳擴散模糊實物期權(quán)定價模型的數(shù)值模擬[J]. 王璐,謝德泳.  中南財經(jīng)政法大學研究生學報. 2013(05)
[7]權(quán)證定價中的神經(jīng)網(wǎng)絡(luò)方法[J]. 高博,王啟敢,張艷鋒.  統(tǒng)計與決策. 2010(14)
[8]實物期權(quán)——兼顧靈活性和戰(zhàn)略性的項目投資管理工具[J]. 郭蕊.  蘭州學刊. 2006(03)
[9]基于人工神經(jīng)網(wǎng)絡(luò)的實物期權(quán)定價[J]. 吳立揚,馬文偉.  武漢理工大學學報(交通科學與工程版). 2004(01)
[10]實物期權(quán)方法在投資項目評估中的運用[J]. 羊利鋒,雷星暉.  決策借鑒. 2001(03)

博士論文
[1]基于產(chǎn)品的高新技術(shù)虛擬企業(yè)價值評估研究[D]. 劉照德.華南理工大學 2013

碩士論文
[1]基于RBF神經(jīng)網(wǎng)絡(luò)的山東省區(qū)域金融風險預警研究[D]. 李忠田.青島大學 2019
[2]基于集成學習的短文本聚類[D]. 王小靜.華中科技大學 2019
[3]基于極限學習機的實物期權(quán)定價模型研究[D]. 趙丹丹.首都經(jīng)濟貿(mào)易大學 2016
[4]基于BP神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)企業(yè)價值評估研究[D]. 羅文芳.杭州電子科技大學 2016
[5]基于改進的RBF神經(jīng)網(wǎng)絡(luò)的航空公司績效評價模型研究[D]. 王序.哈爾濱工業(yè)大學 2015
[6]科技型中小企業(yè)專利質(zhì)押價值評估研究[D]. 武貫蘭.北京交通大學 2015
[7]RBF神經(jīng)網(wǎng)絡(luò)在認股權(quán)證定價中的應(yīng)用研究[D]. 楊梁玉.廈門大學 2009
[8]實物期權(quán)方法在風險投資決策評價中的應(yīng)用研究[D]. 張瑩.中南大學 2004
[9]基于人工神經(jīng)網(wǎng)絡(luò)的實物期權(quán)定價方法研究[D]. 馬文偉.武漢理工大學 2004



本文編號：3402621