使用粒子群算法解决期权定价模型参数校准问题——以heston模型为例

论文摘要

期权定价模型的参数校准问题是一个常见的难题,以heston模型为例,定价时需要估计6个参数,参数估计问题实质上是高维非线性规划问题,由于估参函数的性质不好,一般的估参方法常常失效。使用粒子群(PSO)智能算法可以改善该模型的参数校准问题,因为粒子群算法具有内在随机性,因此参数估计中的局部极小值问题可以被较好地解决。使用2017年12月20日的香港恒生指数期权作为估计样本,并对2017年12月25日的期权进行样本外预测,数值结果表明使用heston模型对期权进行定价并配合粒子群算法估计参数具有良好的定价效果。

论文目录

• 1 引 言
• 2 Heston模型期权定价方法
• 3 粒子群（PSO）算法及其优越性
•   3.1 算法简介
•   3.2 算法思想
•   3.3 标准PSO算法的流程:
•   3.4 粒子群算法和其他启发式算法的数值仿真比较
• 4. 实证分析
•   4.1 数据样本集
•   4.2 实验方法
•   4.3 实验结果
• 5 结束语

文章来源

类型: 期刊论文

作者: 刘莹,郑玉衡

关键词: 模型,粒子群算法,参数估计,期权定价

来源: 科学决策 2019年12期

年度: 2019

分类: 经济与管理科学,基础科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 对外经济贸易大学金融学院,北京大学汇丰商学院

分类号: F832.5;F224

页码: 34-46

总页数: 13

文件大小: 1130K

下载量: 177