考虑国际金融风险影响的上证50ETF期权定价研究

近年来如何刻画国际金融风险对中国市场的影响,成为学术界的热门热点之一。已有文献大多集中于研究国际股票市场之间的风险溢出效应,较少关注国际股票市场对中国期权市场的风险外溢效应。本文将标普500ETF走势嵌入上证50ETF的收益率过程,构建IFR_BS模型(BS Model with the Impact of International Financial Risk);然后应用特征函数微扰法和Fourier-Cosine定价方法,推导出该模型下欧式期权的近似解析定价公式。数值实验和实证结果表明:(1)IFR_BS模型可以较好地刻画上证50ETF收益率分布的“尖峰”、“肥尾”和“有偏”等统计特征。(2)考虑国际金融风险溢价的IFR_BS模型下的期权定价公式,可以解决BS模型对短到期期权尤其是短到期深度OTM期权估值不足的问题。

基于深度学习算法的行为期权定价

针对一类考虑了投资者微观结构随机变迁、投资者行为存在羊群效应以及非理性情绪的高维行为资产价格模型,推导出行为期权定价偏微分方程,构建了基于深度学习算法的行为期权定价方法:首先,基于费曼卡兹公式推导出行为期权价格的迭代方程;然后,用神经网络来逼近迭代方程中的期权价格关于标的模型空间变量的梯度函数;最后,通过深度神经网络参数寻优得到期权价格。数值实验表明:相比蒙特卡洛方法,深度学习算法在计算高维标的资产的期权价格时,获得的结果不仅精度更好,而且效率更高;在相同精度要求下,深度学习算法所需要的仿真路径数更少。研究发现:市场中投资者的非理性情绪程度越严重,期权价格越高;股市微观结构调整速度和羊群效应,对不同成熟度市场上期权价格的影响存在异质性:在不成熟市场上,股市微观结构调整速度越快,投资者的羊群效应越严重,期权价格越高;而对于成熟市场,投资者结构回复长期均衡以及羊群效应,均起到稳定期权价格的作用。

基于DBSCAN-DNN的房地产价格预测

影响房价的因素不再仅限于地区,还受出行便利程度、房屋区域热度的影响。针对房屋集群的识别与进一步研究,对于及时把握供需关系、价格等都有极大的帮助。文章基于密度的聚类(DBSCAN)和深度神经网络(DNN),对房屋集群进行识别聚类,根据簇的结果与房价影响因素训练神经网络,达到房价预测的效果。实验结果表明,对所采用的数据进行预测达到准确的效果。通过研究,可为集群房屋区位定价提供参考。

基于特征函数局部结构微扰法的行为期权定价研究

行为资产定价模型(behavioral asset pricing model,BAPM)因其能较好地解释金融市场异象,近二十年来一直是金融学界的热门研究主题之一.然而,BAPM模型较少应用于现实期权定价,原因之一是很难获取它的特征函数表达式,导致期权解析定价公式的缺失.本文针对Farkas等(2017)和孙有发(2020a)提出的考虑了投资者非理性情绪以及羊群行为的一类BAPM模型,为获取该模型的特征函数解析式,首先将它解构为精确部分和待定的局部结构,然后应用微扰法和费曼卡兹定理获取该局部结构的逼近表达式,进而合成得到原始特征函数的高精度解析逼近;最后应用Fourier-Cosine方法,推导出该类BAPM模型下的欧式期权近似解析定价公式.数值实验与实证研究表明:1)与孙有发等(2020b)提出的基于一阶扰动的Fourier-Cosine定价方法相比,本文提出的基于特征函数局部结构微扰法的行为期权定价方法,在不损失效率的前提下,无论是在定价精度、还是在稳定性方面均有更优越的表现;2)将BAPM模型下的欧式期权解析定价公式应用于上证50ETF和沪深300ETF期权市场,定价精度高于现有同类研究.本文为现实市场中的行为期权提供了一种通用的定价方法框架.