-
题名基于LSTM的沪深300ETF期权定价模型研究
被引量:1
- 1
-
-
作者
赵可景
张金良
朱怡梦
-
机构
河南科技大学数学与统计学院
-
出处
《山西师范大学学报(自然科学版)》
2022年第3期31-38,共8页
-
基金
国家自然科学基金资助项目(51675161).
-
文摘
将深度学习算法中的长短记忆神经网络(LSTM)引入期权定价的研究中.构建了沪深300ETF看涨期权和看跌期权的LSTM定价模型,进行了实证分析,并和BP神经网络模型的预测结果进行了对比.结果表明,LSTM神经网络模型的预测精度与深度学习的训练次数有关,且LSTM期权定价模型的预测效果要优于传统的BP模型.
-
关键词
期权定价
长短记忆神经网络(LSTM)
BP神经网络
300ETF期权
-
Keywords
option pricing
long and short time memory neural network(LSTM)
BP neural network
300 ETF options
-
分类号
O211.6
[理学—概率论与数理统计]
F830.9
[经济管理—金融学]
-
-
题名新冠疫情下碳排放权期权定价及实证研究
- 2
-
-
作者
刘青
张金良
赵可景
-
机构
河南科技大学数学与统计学院
-
出处
《应用数学进展》
2022年第5期2591-2603,共13页
-
文摘
随着低碳经济时代的到来,不论是理论研究还是实际应用方面,碳排放权的定价问题越来越受到大家的关注,尤其是研究新冠疫情下碳排放权期权定价问题。本文借助于决策树梯度提升算法(LGBM)、自适应噪声的完全经验模态分解(CEEMDAN)及AE近似熵重构算法,集机制转换的跳–扩散模型(RSJM)、径向基神经网络模型(RBF)的优点,建立了一种不同特征维度下RSJM-RBF碳排放权期权定价模型;并利用新冠疫情下欧盟EUA碳排放权期权数据进行了实证分析。实证结果表明:与基于GARCH的分数布朗运动模型(FBM)相比,本文提出的RSJM-RBF碳排放权期权定价模型具有较高的预测精度;以皮尔逊相关系数为指标,对两种模型进行了鲁棒性分析,结果显示本文所建模型的稳健性更强。
-
关键词
碳排放权期权
CEEMDAN
LGBM
RSJM
RBF
鲁棒性
-
分类号
F832.51
[经济管理—金融学]
-