本文關鍵詞：改進的RBF神經(jīng)網(wǎng)絡在可轉化債券定價中的應用研究　出處：《首都經(jīng)濟貿易大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 可轉換債券價值 BP神經(jīng)網(wǎng)絡 Black-Scholes定價模型 RBF神經(jīng)網(wǎng)絡

【摘要】：可轉化債券(又稱可轉換債券,以下皆稱可轉換債券)能在資本市場上被廣泛的使用,根本原因還是由于其可轉換性的特質。一般來說,可轉換債券的價值可分為純債券價值和期權價值以及轉換價值。轉換價值和純債價值十分容易計算,而期權價值卻是難以確定。所以,合理精準地預測可轉換債券期權部分價值,合理確定利率和波動率,正確制定轉債條款、以合理價格發(fā)行,能增加對投資者的吸引力,能極大的影響融資和投資額度,對國內可轉換債券市場的發(fā)展具有重要意義。我國可轉換債券的發(fā)展歷史還比較短,使用Black-Scholes定價模型,其前提假設非常嚴苛,主觀性和模糊性很強,因此并不能準確且高效的進行評估,這使得該模型在實際的應用中受到很大的限制。雖然很多學者結合了BP神經(jīng)網(wǎng)絡算法對之進行了改進和優(yōu)化,也確實提高了可轉換債券定價模型的準確性,但是由于BP神經(jīng)網(wǎng)絡自身的缺陷使模型仍然達不到最佳的效果。后來又有楊梁玉等學者引入了RBF神經(jīng)網(wǎng)絡的算法對定價模型進行一定的改進,RBF網(wǎng)絡在收斂時具有較為優(yōu)異的逼近性能,得到了更為精確的估值。由于RBF網(wǎng)絡隱含層中心的個數(shù)、中心的位置、層基函數(shù)的寬度、網(wǎng)絡權值都會一定程度地影響其網(wǎng)絡性能,本文以前人學者的研究為基礎,在RBF網(wǎng)絡隱層基函數(shù)的寬度選擇上,提出一種改進算法,該算法的基本思想是保持正交最小二乘算法訓練好的RBF網(wǎng)絡的中心位置不變的情況下,用最小二乘方法去再一次計算網(wǎng)絡的權值向量,并以此來調整RBF網(wǎng)絡的寬度值。最后本文通過國泰安數(shù)據(jù)庫、Wind數(shù)據(jù)庫、雪球財經(jīng)以及中信證券交易系統(tǒng)中收集的可轉換債券的樣本數(shù)據(jù),應用Matlab軟件進行仿真,對比BP神經(jīng)網(wǎng)絡下的可轉換債券定價模型與RBF神經(jīng)網(wǎng)絡下的可轉換債券定價模型以及改進后的RBF神經(jīng)網(wǎng)絡下的可轉換債券定價模型的仿真結果。實驗表明:在可轉換債券的定價中,改進后的RBF網(wǎng)絡下的輸出誤差與時間都明顯低于BP網(wǎng)絡和RBF網(wǎng)絡下的結果,從而得出改進后的RBF網(wǎng)絡下的B-S定價結果更加有效的結論。這對于研究可轉換債券的價值評估以及項目投資決策具有十分重要的意義。
[Abstract]:Convertible bonds (also known as convertible bonds, hereinafter referred to as convertible bonds) can be widely used in the capital market, the root cause is due to its convertible characteristics. Generally speaking. The value of convertible bonds can be divided into pure bond value, option value and conversion value. Conversion value and pure bond value are very easy to calculate, but option value is difficult to determine. Reasonable and accurate prediction of convertible bond option partial value, reasonable determination of interest rate and volatility, correct formulation of convertible bond terms and issuance at a reasonable price can increase the attractiveness to investors. Can greatly affect the financing and investment quota, the development of domestic convertible bond market is of great significance. China's convertible bond development history is relatively short. Using Black-Scholes pricing model, its premise assumptions are very strict, subjective and fuzzy, so it can not be accurately and efficiently evaluated. Although many scholars have improved and optimized the model with BP neural network algorithm, the accuracy of convertible bond pricing model has been improved. However, due to the defects of BP neural network itself, the model still can not achieve the best results. Later, some scholars such as Yang Liangyu introduced the algorithm of RBF neural network to improve the pricing model. RBF networks have better approximation performance and obtain more accurate estimates. Because of the number of the center of the hidden layer, the position of the center and the width of the layer basis function in the RBF network. Network weights will affect the network performance to some extent. Based on the previous research by scholars, an improved algorithm is proposed to select the width of hidden layer basis functions in RBF networks. The basic idea of the algorithm is to use the least square method to calculate the weight vector of the RBF network again, while the center position of the RBF network trained by the orthogonal least squares algorithm is not changed. And to adjust the width of the RBF network. Finally, this paper through the Cathay Pacific database data bank wind database, snowball finance and CITIC Securities Exchange system collected in the convertible bond sample data. The simulation is carried out with Matlab software. The simulation results of convertible bond pricing model based on BP neural network and RBF neural network and modified RBF neural network are compared. Indicates that:. In the pricing of convertible bonds. The output error and time of improved RBF network are obviously lower than those of BP network and RBF network. It is concluded that the B-S pricing results based on the improved RBF network are more effective, which is of great significance for the study of the valuation of convertible bonds and the investment decision of projects.
【學位授予單位】：首都經(jīng)濟貿易大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP183;F832.51

【相似文獻】

相關期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡技術讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

3 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

6 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

7 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1375139