模糊环境下美式看跌期权的定价研究

应用模糊集理论将无风险利率和波动率进行模糊化,以梯形模糊数替代精确值,将美式期权的定价模型扩展到美式期权模糊定价模型.得到了模糊风险中性概率表达式,并在此概率测度下推导出多期二叉树模糊定价模型,以及二叉树上各节点以梯形模糊数表示的模糊期权价值,以数值模拟演示了美式看跌期权的模糊定价过程.最后分析了不同风险偏好投资者在不确定环境下的套利决策行为,结果表明风险偏好大的投资者具有较高的置信水平、较小的主观模糊期权价格以及较大的无风险套利区间.     

LSM可转债定价模型及其应用研究

可转债定价一直是可转债发行与投资分析的关键,通过引入最小二乘蒙特卡罗模拟法(LSM)对可转债进行定价研究,利用GARCH模型对股价波动率、无风险利率等参数进行估计,并利用平赌过程适配法提高LSM的执行效率.实证结果表明,最小二乘蒙特卡罗模拟法具有较好的预测效果,为可转债定价提供了一条有效途径.     

有红利美式看跌期权定价树图模型的自适应性改进

本文基于支付固定红利美式看跌期权的三叉树图定价模型,对其进行了自适应性改进,从而解决了树图模型所存在的因为时间离散、状态不连续而产生的"非线性误差"问题.最后给出了实证分析,并与二叉树图和三叉树图进行了比较,结果表明进行自适应性改进后可以得到更加精确、有效的数值解.     

“降价补差”承诺期权定价分析

综合应用Δ对冲技巧以及It引理,在风险中性意义的前提下建立了房产开发商“降价补差”承诺期权的偏微分方程定价模型.根据“降价补差”承诺能否在到期前任何一天履约,分别建立了欧式承诺期权定价模型和美式承诺期权定价模型.对于欧式承诺期权,得到了期权价格的解析公式;对于美式承诺期权,采用基于自适应的有限差分法对上述定价模型进行数值计算,得到了相应的期权价格.并以欧式承诺期权为例,分析了期权价格对参数的依赖关系.最后对两个具体的“降价补差”承诺期权案例进行了期权价格计算．     

美式认股权定价研究

本文根据认股权证的价格影响因素对美式认股权证进行了定价分析,针对非流通股认股权证的几种情况,分不分红利的美式认股权证和分红利的美式认股权证两种情形进行讨论.根据Black-Scholes期权定价理论推导出相应的美式认股权证的定价模型,并针对一般情况给出示例分析.     

基于模糊集合论的实物期权定价方法

实物期权的定价在风险投资决策过程中具有重要意义.传统的实物期权定价方法忽略标的资产价值和投资成本的模糊性,从而可能导致错误的投资决策.本文主要研究了具有模糊标的的资产价值和投资成本情形时的实物期权定价模型.文中将这些模糊因素分别视为模糊数和模糊变量,然后运用模糊集合论,结合B-S期权定价理论,对实物期权进行定价,得到了基于模糊集合论的实物期权定价模型.     

高科技上市公司内在价值评估：基于连续型实物期权模型的实证研究

高科技企业高度不确定性的特征决定其本身具有潜在的期权价值,所以,传统的评估方法难以客观地评估出高科技公司内在价值.针对高科技公司高度不确定性的特征,引入Schwarz的连续型实物期权模型,在对模型进行离散化处理后,利用蒙特卡洛模拟对中国软件开发板块的高科技上市公司进行价值评估,并由此对整个软件开发板块的高科技上市公司价值评估进行的实证.研究发现,实物期权模型能较好地对高科技企业进行价值评估.     

多因子欧式期权定价的主成分蒙特卡罗加速方法

针对多个随机因子的欧式期权定价问题,提出了一种基于主成分分析的多元控制变量的蒙特卡罗加速框架.其核心思想是,使用单个主成分替换收益函数中的原始随机变量以便更易获得定价问题的精确值,从而可将近似的收益函数作为控制变量.由于主成分的独立性,使用多元控制变量的蒙特卡罗模拟方法比单个控制变量具有更好的加速效果.对多资产期权和亚式期权的数值实验验证了本文算法的高效性和稳定性.     

美式期权定价的隐式差分格式分析

由于美式期权与欧式期权不同,它不可能得到解的显式表达式,所以研究它的数值解以及解本身的一些性质就显得尤为重要。主要以看跌期权为例,对美式期权定价的隐式差分格式进行了推导。     

海运船舶电力推进系统的鲁棒控制

本文分析了包括BS的鞅方法在内的四种期权定价方法.Mogens Bldt和郑红给出的保险精算定价方法是非套利定价,缺少足够的理论基础.另外,存在同质信念的市场上BS定价并非完全无套利,如果对不同股票进行分散化投资,只要基础资产种类足够多,也可套取利益.不同投资者的漂移率取同一常数μ体现了他们的同质信念,与弱有效的现实市场情况相符.进一步分析得出结论,即使存在同质信念,如果μt是一个可料过程而非常数,会使得精算定价难以计算确定期望,从而无效.根据SAS软件的模拟结果,在同质信念下,精算套利定价显著高于BS鞅方法定价.通过恒生股指期权的实证检验,说明同质信念下的漂移率更适合取同一常数而不是可料过程,实证检验发现精算套利理论价格与实际价格差距很小,说明此方法比较有效.     

应用Monte-Carlo法计算输油管道腐蚀失效概率

在对埋地管道进行腐蚀失效风险分析的过程中,用传统的数学解析方法无法计算管道的失效概率,而应用Monte-Carlo方法无需知道腐蚀速率的具体值,只需知道腐蚀速率的概率分布,或根据统计数据求出腐蚀速率的概率分布,就可模拟腐蚀失效过程。借助MATLAB的强大数值计算功能,可以提高Monte-Carlo抽样模拟的效率。经对某一实际管道失效概率的计算,验证了Monte-Carlo方法的可行性。     

有机磷酸酯类化合物定量结构-色谱保留关系及稳健性分析

以分子拓扑指数作为结构描述符,采用最佳子集回归方法,建立了35种有机磷酸酯类化合物在3种不同极性固定相上的定量结构-色谱保留关系(QSRR)模型。3个QSRR模型均具有良好的拟合能力,对QSRR模型分别进行了交叉验证及外部数据集验证,结果表明各模型具有较强的预测能力。对QSRR模型的系数、标准误差及相关系数均进行了蒙特卡洛模拟,结果证实蒙特卡洛方法可用于QSRR模型的稳健性分析。     

基于误差修正的电线覆冰厚度贝叶斯模型及分析

通过对已有的电线覆冰厚度数据进行分析，建立了电线覆冰厚度时间序列模型，对覆冰厚度进行贝叶斯统计推断，然后运用基于Gibbs抽样的MCMC方法对推断模型进行参数估计，并对MCMC模型进行误差修正.在此基础上，运用WINBUGS软件，对Gibbs抽样得到的预测结果与极大似然估计的预测结果进行比较.比较分析结果表明：通过误差修正的贝叶斯推断方法在电线覆冰厚度预测上具有更高的准确性.     

蒙特卡罗方法与计算机模拟研究

蒙特卡罗方法是一类通过随机变量统计试验,随机模拟以求得问题近似解的方法。计算机模拟研究是蒙特卡罗方法的现代化,利用计算机模拟方法研究植物遗传育种的理论与实践问题不仅是可行的,而且是可靠的。利用计算机模拟研究植物遗传育种问题时需注意建立一个准确可靠的遗传模型,利用能产生周期长且统计性质优的伪随机数产生方法,以使模拟结果更加准确可靠。     

Comment on "Phylogenetic MCMC algorithms are misleading on mixtures of trees"

Mossel and Vigoda (Reports, 30 September 2005, p. 2207) show that nearest neighbor interchange transitions, commonly used in phylogenetic Markov chain Monte Carlo (MCMC) algorithms, perform poorly on mixtures of dissimilar trees. However, the conditions leading to their results are artificial. Standard MCMC convergence diagnostics would detect the problem in real data, and correction of the model misspecification would solve it.     

车辆故障数据处理方法的蒙特卡洛模拟

提出了一种车辆可靠性分析中威布尔分布的参数估计公式,并用蒙特卡洛法进行了模拟验证模拟结果表明,参数估计公式正确,采用蒙特卡洛法进行模拟验证可行。     

基于ARIMA模型的湘江流域DO和NH4+–N含量贝叶斯预测

为实时把控湘江流域水质的变化趋势,采用污染比较严重的湘江流域长沙段和益阳段水质指标溶解氧(DO)和氨氮(NH_4~+-N)含量的监测数据,用贝叶斯方法推断经典的ARIMA时间序列模型,并用马尔可夫链蒙特卡罗(MCMC)模拟方法对DO和NH_4~+-N含量进行贝叶斯预测。结果表明,该模型的贝叶斯预测能实现对湘江流域长沙段和益阳段水质指标DO和NH_4~+-N含量的精确点预测、区间预测和概率预测。     

资本农业引领中国农业现代化走向光明前景——马克思主义经典作家关于"小农制趋于衰亡"的回顾性阐释

研究高性能复合砂浆钢筋网加固RC梁新老材料强度随时间衰减的可靠度指标.利用时变可靠度理论,采用蒙特卡罗法模拟,给出了高性能复合砂浆钢筋网加固混凝土构件时变失效概率的计算方法.复合砂浆钢筋网加固RC梁的时变可靠度先高于设计规范规定的目标可靠度 ,然后逐渐减小,接近设计使用年限时,接近目标可靠度,这一趋势为合理地评估结构性能提供了有效工具;结合非线性回归和时变可靠性指标,提出了加固RC构件使用寿命预测方法,为在役结构的维修与加固提供合理的经济决策依据.