权证定价中的神经网络方法

传统的参数模型定价方法,常常存在假设条件与现实不符的问题。神经网络方法针对该问题提供了一种全新的思路。文章利用径向基神经网络和BP神经网络对权证进行定价模拟,并用定量的指标衡量模型的优劣,研究发现神经网络方法优于传统方法,并且RBF模型优于BP模型。

基于神经网络方法的期权定价研究

人工神经网络是一种非线性非参数模型,它不对市场和变量做任何的主观假设。所以它具有许多存在假设条件的模型所无法具备的优点。通过选择输入和输出变量,设置BP神经网络的结构,选择预测期限就可以训练该神经网络模型,训练成功后即可对我国的权证进行预测。并利用四个误差指标来评价模型定价结果的优劣,实证研究发现神经网络方法在我国权证市场的定价效果要好于B-S定价方法。