本文選題：LIBOR市場模型 + SV過程��； 參考：《浙江財經(jīng)大學(xué)》2017年碩士論文

【摘要】：LIBOR利率作為國際金融市場上重要的基準利率,對其所服從的隨機過程建模準確與否成為以LIBOR利率為標的的利率衍生產(chǎn)品定價正確與否的前提條件和關(guān)鍵因素。金融市場中對LIBOR利率所服從的隨機過程基本上都采用標準LIBOR市場模型,然而標準市場模型中假設(shè)隱含波動率恒定,但是實際上隱含波動率具有波動率微笑或是波動率偏斜特征,從而使得LIBOR利率求對數(shù)后的分布服從左肥尾或尖峰厚尾的正態(tài)分布,這種缺陷對利率衍生品的定價尤為重要。如果不能準確地體現(xiàn)金融市場中存在的波動率偏斜或微笑特征則很可能導(dǎo)致嚴重的定價誤差,從而造成嚴重的經(jīng)濟損失。因此,對現(xiàn)有標準LIBOR市場模型進行改進使其能夠更好地擬合遠期利率的動態(tài)變化特征極為重要。隨著我國利率市場化進程的不斷推進,國內(nèi)利率衍生產(chǎn)品不斷推陳出新,而且目前我國正在推動將SHIBOR利率作為我國貨幣市場上的基準利率,因此對LIBOR市場模型的擴展研究將對我國研究SHIBOR利率衍生產(chǎn)品定價起到重要的借鑒作用。本文主要從擴展的LIBOR隨機模型出發(fā),嘗試將CGMY跳躍過程引入到模型中建立CGMY-LIBOR隨機動態(tài)模型,同時,嘗試用遺傳優(yōu)化算法借鑒進化生物學(xué)中的規(guī)律(這些規(guī)律包括適者生存、遺傳、雜交、突變等)把參數(shù)視為基因片段進行選擇、交叉、變異等操作對模型中參數(shù)進行估計。本文研究內(nèi)容主要分為如下部分:首先,闡述了本文研究背景以及整體的研究框架和創(chuàng)新之處。其次,對國內(nèi)外現(xiàn)有文獻進行歸納梳理,從而引出本文所要建立模型。第三,我們首先介紹隨機波動率與隨機利率模型并簡要分析;其次介紹Levy過程相關(guān)概念定義;然后對標準化模型、隨機波動率LIBOR模型以及Levy隨機波動模型簡要分析;最后,從隨機利率、Levy過程做簡要分析并建立CGMY-LIBOR隨機動態(tài)模型。第四,首先對現(xiàn)有模型參數(shù)估計方法進行總結(jié)并提出該模型基于遺傳優(yōu)化算法的參數(shù)估計方法;然后介紹遺傳優(yōu)化算法進行參數(shù)估計的預(yù)備知識,最后運用遺傳優(yōu)化算法進行本文參數(shù)估計。第五,首先對數(shù)據(jù)進行選擇與處理,然后介紹MCMC與遺傳優(yōu)化算法的區(qū)別,并且運用遺傳優(yōu)化算法對本文模型參數(shù)進行估計。最后為本文的研究總結(jié)及研究展望,我們總結(jié)了本文的理論推導(dǎo)和實證分析,并對將來的研究方向進行展望。通過對國內(nèi)外文獻的總結(jié)和梳理以及本文展開的理論與實證研究,可以得到如下結(jié)論:第一,理論上,在標準LIBOR市場模型中引入隨機波動過程和CGMY過程建立CGMY-LIBOR隨機動態(tài)模型能夠更加精確的描述LIBOR利率隨機性與跳躍特征。第二,實證結(jié)果表明遺傳優(yōu)化算法應(yīng)用在本文模型參數(shù)尋優(yōu)估計時可以搜索到全局最優(yōu)解,具有更高的收斂效率,且CGMY-LIBOR隨機動態(tài)模型能夠更精確的描述遠期LIBOR利率變化趨勢。
[Abstract]:Based on the extended LIBOR stochastic model , it is very important to introduce the stochastic process which is subject to the LIBOR interest rate as the benchmark interest rate . With higher convergence efficiency , CGMY - LIBOR stochastic dynamic model can describe the trend of long - term LIBOR rate more accurately .
【學(xué)位授予單位】：浙江財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F832.5;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 孫小勇;;一種改進的遺傳優(yōu)化算法[J];信息通信技術(shù);2008年05期

2 王德成;林輝;;一種基于軌道均勻分布的混沌遺傳優(yōu)化算法[J];計算機應(yīng)用研究;2009年04期

3 馬加年;;隨機性結(jié)構(gòu)靜力區(qū)間分析的遺傳優(yōu)化算法[J];機械傳動;2011年05期

4 汪民樂,高曉光;一種新型非線性混合變量遺傳優(yōu)化算法及其應(yīng)用研究[J];信息與控制;2002年04期

5 張海燕;潘成欣;;一種新型混沌遺傳優(yōu)化算法的研究[J];中國海洋大學(xué)學(xué)報(自然科學(xué)版);2006年04期

6 羅佑新,郭惠昕,桂乃磐,張龍庭;遺傳優(yōu)化算法及含有模糊目標和模糊約束的機械優(yōu)化設(shè)計[J];常德師范學(xué)院學(xué)報(自然科學(xué)版);2001年02期

7 郭興眾;馬健;;一類二層多目標規(guī)劃的混沌遺傳優(yōu)化算法及其應(yīng)用[J];北京科技大學(xué)學(xué)報;2006年07期

8 李濟澤;;基于粒子群遺傳優(yōu)化算法的多機器人任務(wù)分配研究[J];機械與電子;2007年10期

9 汪民樂;一種新型多目標遺傳優(yōu)化算法及其應(yīng)用研究[J];計算技術(shù)與自動化;2003年02期

10 孟范靜;劉毅慧;王洪國;成金勇;;遺傳優(yōu)化算法在基因數(shù)據(jù)分類中的應(yīng)用[J];生物信息學(xué);2008年03期

相關(guān)會議論文 前1條

1 沈潔;陳];張中林;;大線性系統(tǒng)的遺傳優(yōu)化算法及應(yīng)用[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

相關(guān)碩士學(xué)位論文 前2條

1 聶志平;CGMY-LIBOR隨機動態(tài)模型的遺傳優(yōu)化算法參數(shù)估計方法研究[D];浙江財經(jīng)大學(xué);2017年

2 任歡歡;基于模糊和遺傳優(yōu)化算法的PID參數(shù)優(yōu)化[D];內(nèi)蒙古科技大學(xué);2010年

，

本文編號：1999043