隨著世界經濟的發(fā)展,衍生品市場在金融市場占的比重越來越大,衍生品的定價問題也得到越來越多的學者的關注。期權作為最重要的衍生品之一,對其精確定價一直都是金融領域的難題。著名的布萊克-斯科爾斯-默頓（B-S-M）期權定價模型自提出以來便得到了業(yè)界的廣泛使用,眾多研究者也在其基礎上對期權定價問題展開進一步研究。然而,更加精準的期權定價模型始終都是學者們孜孜以求的目標。為了提高期權定價精確度,本文從兩方面著手:第一,現(xiàn)有的期權定價模型沒有刻畫出各類投資者決策心理,因此可以對模型加以改進以描述出投資者異常的投資決策;第二,利用流行的深度學習技術做預測。近年來,機器學習發(fā)展迅速,越來越多的機器學習方法在預測領域取得了很好的成果,因此,本文引入機器學習中應用廣泛的深度學習技術以擬合期權市場中所包含的復雜關系�；谛袨榻鹑趯W的思想和深度學習技術,本文在B-S-M模型基礎上構建新的期權定價模型——基于深度學習的概率扭曲模型,并以SPX（標普500）指數(shù)期權歷史數(shù)據(jù)進行實證研究。已有的期權定價模型往往存在不可忽視的誤差,本文認為這些誤差可能是由于投資者的異常投資決策引起的。因此,首先以Esscher轉換對... 

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景和研究意義
    1.2 文獻綜述
    1.3 研究創(chuàng)新
    1.4 結構安排
2 深度學習與期權定價
    2.1 深度學習與神經網絡
    2.2 神經網絡結構
    2.3 深度學習與期權定價
3 期權定價基礎
    3.1 股票價格的變化過程
        3.1.1 馬爾科夫過程
        3.1.2 布朗運動
        3.1.3 伊藤過程與伊藤引理
        3.1.4 股票價格的變化過程
    3.2 BSM模型
    3.3 等價鞅測度
        3.3.1 鞅
        3.3.2 等價鞅測度
    3.4 Esscher轉換
4 正態(tài)概率扭曲與歐式期權定價
    4.1 正態(tài)概率扭曲的概念與形式
    4.2 正態(tài)概率扭曲下的歐式期權定價公式
5 實證分析
    5.1 數(shù)據(jù)選取
    5.2 BSM模型定價誤差分析
    5.3 利用深度神經網絡進行預測
        5.3.1 期權價格預測
        5.3.2 扭曲因子預測
    5.4 期權定價結果比較與分析
    5.5 滑動窗口預測分析
6 總結與展望
    6.1 研究結論
    6.2 研究不足與展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]機器學習驅動的基本面量化投資研究[J]. 李斌,邵新月,李玥陽.  中國工業(yè)經濟. 2019(08)
[2]機器學習對經濟學研究的影響研究進展[J]. 黃乃靜,于明哲.  經濟學動態(tài). 2018(07)
[3]深度學習的金融實證應用:動態(tài)、貢獻與展望[J]. 蘇治,盧曼,李德軒.  金融研究. 2017(05)
[4]BS與SV模型在歐式和美式期權定價中的比較研究[J]. 何曉斌,吳泱,趙曉慧.  上海金融. 2015(09)
[5]Esscher變換下擴展的歐式交換期權定價[J]. 劉國祥,朱全新,張相強.  應用概率統(tǒng)計. 2014(05)
[6]Regime switching模型下的冪式期權定價（英文）[J]. 蘇小囡,王偉,王文勝.  華東師范大學學報(自然科學版). 2013(06)
[7]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)

博士論文
[1]投資組合保險最優(yōu)化研究及策略分析[D]. 姚遠.西南交通大學 2006

碩士論文
[1]幾種隨機波動率模型及其比較[D]. 錢瓏.華中師范大學 2014



本文編號：3728842