【摘要】：2018年中國(guó)A股的上證指數(shù)經(jīng)歷了25%的下跌,金融風(fēng)險(xiǎn)的釋放使得可轉(zhuǎn)債成了證券市場(chǎng)中防控風(fēng)險(xiǎn)的一道靚麗風(fēng)景線,國(guó)外的可轉(zhuǎn)債市場(chǎng)發(fā)展日新月異,國(guó)內(nèi)的可轉(zhuǎn)債定價(jià)研究相對(duì)落后。因此本文先介紹了可轉(zhuǎn)債定價(jià)與深度學(xué)習(xí)的相關(guān)理論,之后建立模型,把可轉(zhuǎn)債的價(jià)值拆分為期權(quán)部分和公司債部分。在B-S期權(quán)定價(jià)模型中,波動(dòng)率的測(cè)度與擬合一直是學(xué)術(shù)研究的重點(diǎn),近些年很多研究把機(jī)器學(xué)習(xí)的技術(shù)應(yīng)用于金融市場(chǎng)中,無(wú)論是對(duì)于金融數(shù)據(jù)進(jìn)行預(yù)測(cè)還是分類,先進(jìn)的數(shù)據(jù)分析技術(shù)在金融市場(chǎng)中取得了很好的研究效果。而LSTM神經(jīng)網(wǎng)絡(luò)對(duì)于處理時(shí)間序列數(shù)據(jù)具有優(yōu)勢(shì),同時(shí)深度學(xué)習(xí)也善于處理非線性數(shù)據(jù),故而結(jié)合以上兩點(diǎn)優(yōu)勢(shì)選取合適的可轉(zhuǎn)債數(shù)據(jù),實(shí)證過(guò)程中用LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)線性GARCH模型對(duì)于波動(dòng)率的擬合對(duì)比,利用LSTM神經(jīng)網(wǎng)絡(luò)對(duì)于可轉(zhuǎn)債的期權(quán)部分定價(jià)進(jìn)行改善。而防控金融風(fēng)險(xiǎn),金融領(lǐng)域需要進(jìn)行創(chuàng)新,豐富金融市場(chǎng),增加投資者對(duì)沖風(fēng)險(xiǎn)的途徑。所以本文在下部分大膽引入奇異期權(quán)可轉(zhuǎn)債,介紹了奇異期權(quán)的相關(guān)理論后,以障礙可轉(zhuǎn)債為例,開(kāi)發(fā)了一種新的障礙可轉(zhuǎn)債套利模式,并且基于股票價(jià)格的幾何布朗運(yùn)動(dòng),利用上一部分的LSTM神經(jīng)網(wǎng)絡(luò)擬合波動(dòng)率的技術(shù),對(duì)于四種障礙可轉(zhuǎn)債進(jìn)行蒙特卡洛模擬,將模擬的定價(jià)結(jié)果與普通可轉(zhuǎn)債進(jìn)行對(duì)比,并介紹了障礙可轉(zhuǎn)債的套利方法。
【圖文】：

圖 2.1 人工神經(jīng)元圖像函數(shù)有：函數(shù)，函數(shù)表達(dá)式如下： = ( ) = oid 函數(shù)，也稱為 S 形函數(shù)。函數(shù)表達(dá)式如下： = ( ) = 激活函數(shù)是該函數(shù)，函數(shù)圖像如圖 2.2 所示

圖 2.1 人工神經(jīng)元圖像有：，函數(shù)表達(dá)式如下： = ( ) = 數(shù)，也稱為 S 形函數(shù)。函數(shù)表達(dá)式如下： = ( ) = 函數(shù)是該函數(shù)，，函數(shù)圖像如圖 2.2 所示
【學(xué)位授予單位】：蘭州財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳亮;王震;王剛;;深度學(xué)習(xí)框架下LSTM網(wǎng)絡(luò)在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J];電力信息與通信技術(shù);2017年05期

2 王國(guó)棟;韓斌;孫文峗;;基于LSTM的艦船運(yùn)動(dòng)姿態(tài)短期預(yù)測(cè)[J];艦船科學(xué)技術(shù);2017年13期

3 周生強(qiáng);;LSTM對(duì)上證指數(shù)的實(shí)證分析[J];現(xiàn)代經(jīng)濟(jì)信息;2017年09期

4 關(guān)鵬飛;李寶安;呂學(xué)強(qiáng);周建設(shè);;注意力增強(qiáng)的雙向LSTM情感分析[J];中文信息學(xué)報(bào);2019年02期

5 杜舒靜;徐凡;王明文;;實(shí)體驅(qū)動(dòng)的雙向LSTM篇章連貫性建模[J];中文信息學(xué)報(bào);2017年06期

6 保羅;郭旭琦;喬鐵柱;閻高偉;;改進(jìn)LSTM神經(jīng)網(wǎng)絡(luò)在磨機(jī)負(fù)荷參數(shù)軟測(cè)量中的應(yīng)用[J];中國(guó)礦山工程;2017年03期

7 季學(xué)武;費(fèi)聰;何祥坤;劉玉龍;劉亞輝;;基于LSTM網(wǎng)絡(luò)的駕駛意圖識(shí)別及車輛軌跡預(yù)測(cè)[J];中國(guó)公路學(xué)報(bào);2019年06期

8 陳卓;孫龍祥;;基于深度學(xué)習(xí)LSTM網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)方法[J];電子技術(shù);2018年01期

9 何立健;林穗;翁海瑞;;基于LSTM的圖像生成詩(shī)歌模型[J];信息技術(shù)與網(wǎng)絡(luò)安全;2019年04期

10 李珍珍;吳群;;基于LSTM神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)算法研究[J];福建電腦;2019年07期

相關(guān)會(huì)議論文 前9條

1 蔣振超;鄧永;姜青山;古亮;;一種基于兩階段字符級(jí)LSTM的僵尸網(wǎng)絡(luò)檢測(cè)方法[A];第32次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2017年

2 李鵬程;孫敏;龐溟舟;;基于LSTM神經(jīng)網(wǎng)絡(luò)的公交到站時(shí)間預(yù)測(cè)[A];第37屆中國(guó)控制會(huì)議論文集（F）[C];2018年

3 朱佳暉;張文峰;劉衛(wèi)平;張超;陳淵;;基于雙向LSTM和CRF的軍事命名實(shí)體識(shí)別和鏈接[A];第六屆中國(guó)指揮控制大會(huì)論文集（上冊(cè)）[C];2018年

4 安鵬;曹丹平;;基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的孔隙度預(yù)測(cè)方法研究[A];2018年中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)論文集（二十九）——專題59：計(jì)算地球物理方法和應(yīng)用、專題60：地?zé)豳Y源成因新理論與綜合探測(cè)新技術(shù)[C];2018年

5 劉天鵬;劉海;;基于LSTM的城市道路養(yǎng)護(hù)投訴量預(yù)測(cè)研究[A];中國(guó)公路學(xué)會(huì)養(yǎng)護(hù)與管理分會(huì)第九屆學(xué)術(shù)年會(huì)論文集[C];2019年

6 梅杰;;基于LSTM神經(jīng)網(wǎng)絡(luò)的有效停車泊位短時(shí)預(yù)測(cè)方法研究[A];創(chuàng)新驅(qū)動(dòng)與智慧發(fā)展——2018年中國(guó)城市交通規(guī)劃年會(huì)論文集[C];2018年

7 張宇;張鵬遠(yuǎn);顏永紅;;基于注意力LSTM和多任務(wù)學(xué)習(xí)的遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別[A];第十四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議（NCMMSC’2017）論文集[C];2017年

8 牛溥華;高帆;張雪英;;基于DNN-LSTM的VAD算法[A];第十四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議（NCMMSC’2017）論文集[C];2017年

9 賈磊;;LSTM建模和CTC訓(xùn)練在語(yǔ)音建模技術(shù)中的應(yīng)用[A];第十三屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議(NCMMSC2015)論文集[C];2015年

相關(guān)碩士學(xué)位論文 前10條

1 馬藝翔;深度學(xué)習(xí)在多因子選股交易中的應(yīng)用研究[D];北方工業(yè)大學(xué);2019年

2 肖爽;基于LSTM的無(wú)人駕駛有軌電車安全評(píng)測(cè)方法研究[D];西安理工大學(xué);2019年

3 李少鵬;結(jié)合CNN和LSTM的滾動(dòng)軸承剩余使用壽命預(yù)測(cè)方法研究[D];哈爾濱理工大學(xué);2019年

4 甄遠(yuǎn)濤;基于深度學(xué)習(xí)LSTM神經(jīng)網(wǎng)絡(luò)的障礙可轉(zhuǎn)債設(shè)計(jì)與定價(jià)[D];蘭州財(cái)經(jīng)大學(xué);2019年

5 杜心;基于LSTM神經(jīng)網(wǎng)絡(luò)的可用停車位預(yù)測(cè)模型研究[D];武漢理工大學(xué);2018年

6 李永帥;基于雙向LSTM的動(dòng)態(tài)情感詞典構(gòu)建方法研究及文本情感分析[D];鄭州大學(xué);2019年

7 閆澤杭;基于互助雙向LSTM與遞進(jìn)解碼機(jī)制的圖像標(biāo)題生成[D];大連理工大學(xué);2018年

8 鄧楠;基于LSTM的汽車評(píng)論文本分類研究與應(yīng)用[D];合肥工業(yè)大學(xué);2018年

9 陳帆;基于LSTM情感分析模型的微博謠言識(shí)別方法研究[D];華中師范大學(xué);2018年

10 劉婉婉;基于LSTM神經(jīng)網(wǎng)絡(luò)的蒙漢機(jī)器翻譯的研究[D];內(nèi)蒙古工業(yè)大學(xué);2018年

本文編號(hào)：2710963