基于邻域场拉普拉斯混合模型图像分割的研究

针对高斯混合模型(GMM)不能有效处理重尾噪声下图像拖尾情况,提出了基于拉普拉斯(Laplacian)分布的有限混合模型图像分割方法。与标准拉普拉斯混合模型(LMM)将像素点作为孤立个体不同的是,该方法充分考虑了相邻像素点间的空间关系。相较传统混合模型参数估计采用的EM算法,该方法采用梯度下降法优化参数。实验结果表明在处理重尾噪声时,该方法与标准LMM算法和GMM算法相比,鲁棒性更好,分割更精确有效。

基于LMM的美式可赎回债券定价研究

由于美式利率衍生品对描述利率期限结构模型要求较高,因此LIBOR市场模型(LMM)等无套利模型便得到了交易员的青睐.本文介绍了远期利率模型LIBOR市场模型(LMM),并假定远期利率服从LIBOR市场模型,然后通过一个例子说明美式可赎回债券的定价过程.其做法是在LMM框架下设定模型中的参数值,将LMM离散化,利用蒙特卡洛模拟法模拟LIBOR路径,利用最小二乘法估计持有债券期权的价值,从而通过逐步模拟确定可赎回债券的价格.

利率挂钩产品定价研究——以区间累积型产品为例

利率挂钩产品是市场上重要的结构性金融产品,其公平定价是买卖双方关注的重点。本文通过构建利率挂钩产品定价的一般模式,从而为此类产品进行公平定价。该产品定价的一般模式包括利率期限结构的确定、产品现金流的分解与确定、产品的定价、产品价格的敏感性分析等,使用LMM市场利率模型和蒙特卡罗模拟估计贴现率和挂钩利率的期限结构,从而确定产品未来现金流,将产品现金流贴现就得出产品的理论价格。选取区间累积型利率挂钩产品作为样本进行定价。结果显示:该产品为折价发行,值得投资者投资;敏感性分析结果显示,价格与产品期限的变动正相关,价格与贴现率及其波动率的变动负相关。