GARCH模型引進(jìn)已經(jīng)大量被應(yīng)用到期權(quán)定價(jià),因此本文設(shè)想利用MCMC方法結(jié)合GARCH期權(quán)定價(jià)理論來(lái)對(duì)歐式期權(quán)進(jìn)行定價(jià),叫做MCMC-GARCH方法。利用MCMC方法從期權(quán)價(jià)格中提出有用信息以及對(duì)待估參數(shù)提供先驗(yàn)分布,從而避免的無(wú)方向的最優(yōu)化,是一種有效的貝葉斯估計(jì)方法。通過(guò)對(duì)2010年2月1日到2010年2月26日的S&P100 （XEO）歐式期權(quán)（共4432個(gè)數(shù)據(jù)）定價(jià)的實(shí)證分析中發(fā)現(xiàn),由于MCMC方法和GARCH模型自身的優(yōu)點(diǎn),所以MCMC-GARCH能夠得到較高精度的預(yù)測(cè)結(jié)果。本文第一部分簡(jiǎn)述了相關(guān)的研究狀況,以及本文選題意義；第二段是對(duì)本文所用到的模型進(jìn)行了概括,首先對(duì)MCMC方法進(jìn)行了大致介紹,這是本文的基礎(chǔ),并且介紹Gibbs取樣和幾類(lèi)Metropolis-Hastings算法,而Independent Metropolis-Hastings算法正是本文使用的方法,然后對(duì)GARCH定價(jià)模型進(jìn)行了論述,這是本文使用的定價(jià)方法；GARCH歐式期權(quán)定價(jià)方法可以很容易擴(kuò)展到美式期權(quán),因?yàn)楸疚牡姆椒ㄒ矔?huì)產(chǎn)生模擬的路徑,可以使用最小二乘蒙特卡羅（LSM）,因此本文也介紹了此方... 

【文章來(lái)源】：西南財(cái)經(jīng)大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：45 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1. 引言
2. MCMC-GARCH定價(jià)模型
    2.1 MCMC方法
    2.2 GARCH歐式期權(quán)定價(jià)模型
    2.3 最小二乘蒙特卡羅(Least Square Monte Carlo)
    2.4 MCMC-GARCH方法
3. 實(shí)證研究
    3.1 數(shù)據(jù)
    3.2 計(jì)算細(xì)節(jié)
        3.2.1 先驗(yàn)分布
        3.2.2 隨機(jī)數(shù)產(chǎn)生
        3.2.3 誤差模型
    3.3 定價(jià)結(jié)果分析
4. 結(jié)論
參考文獻(xiàn)
附錄:C++代碼
后記
致謝



本文編號(hào)：3531934