摘要
Heston模型相较于传统的Black-Scholes期权定价模型能够更好的反映标的资产价格波动率的随机性,从而提高期权定价的准确性。在Heston模型中包含六个待估参数,传统的估参方法难以对其进行估计,本文使用LM算法、SLSQP算法和模拟退火算法对Heston模型的待估参数进行估计,对2024年1月1日的上证50ETF期权进行预测并与实际结果相比较。研究发现:(1)在对Heston模型进行参数估计时LM算法对初始值的选择较为敏感。(2)在选择合适的初始值的条件下LM算法的预测精度要远高于SLSQP算法和模拟退火算法,故可证明LM算法对Heston模型进行参数估计的可行性和准确性。
出处
《统计与管理》
2024年第11期18-25,共8页
Statistics and Management
基金
国家自然科学基金青年基金项目“基于Bernoulli噪声的排它型随机Schr9dinger方程及相关问题研究”(12101279)
甘肃省自然科学基金“基于Bernoulli噪声Lévy过程的随机Schr9dinger方程问题研究”(21JR11RA133)
甘肃省教育厅高等学校创新基金项目“基于Bernoulli噪声的随机Schr9dinger方程问题研究”(2021A-072)。
