改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)在可轉(zhuǎn)化債券定價(jià)中的應(yīng)用研究.pdf

1、可轉(zhuǎn)化債券（又稱(chēng)可轉(zhuǎn)換債券，以下皆稱(chēng)可轉(zhuǎn)換債券）能在資本市場(chǎng)上被廣泛的使用，根本原因還是由于其可轉(zhuǎn)換性的特質(zhì)。一般來(lái)說(shuō)，可轉(zhuǎn)換債券的價(jià)值可分為純債券價(jià)值和期權(quán)價(jià)值以及轉(zhuǎn)換價(jià)值。轉(zhuǎn)換價(jià)值和純債價(jià)值十分容易計(jì)算，而期權(quán)價(jià)值卻是難以確定。所以，合理精準(zhǔn)地預(yù)測(cè)可轉(zhuǎn)換債券期權(quán)部分價(jià)值，合理確定利率和波動(dòng)率，正確制定轉(zhuǎn)債條款、以合理價(jià)格發(fā)行，能增加對(duì)投資者的吸引力，能極大的影響融資和投資額度，對(duì)國(guó)內(nèi)可轉(zhuǎn)換債券市場(chǎng)的發(fā)展具有重要意義。
　　我國(guó)

2、可轉(zhuǎn)換債券的發(fā)展歷史還比較短，使用Black-Scholes定價(jià)模型，其前提假設(shè)非常嚴(yán)苛，主觀性和模糊性很強(qiáng)，因此并不能準(zhǔn)確且高效的進(jìn)行評(píng)估，這使得該模型在實(shí)際的應(yīng)用中受到很大的限制。雖然很多學(xué)者結(jié)合了BP神經(jīng)網(wǎng)絡(luò)算法對(duì)之進(jìn)行了改進(jìn)和優(yōu)化，也確實(shí)提高了可轉(zhuǎn)換債券定價(jià)模型的準(zhǔn)確性，但是由于BP神經(jīng)網(wǎng)絡(luò)自身的缺陷使模型仍然達(dá)不到最佳的效果。后來(lái)又有楊梁玉等學(xué)者引入了 RBF神經(jīng)網(wǎng)絡(luò)的算法對(duì)定價(jià)模型進(jìn)行一定的改進(jìn)， RBF網(wǎng)絡(luò)在收斂時(shí)具有較為

3、優(yōu)異的逼近性能，得到了更為精確的估值。由于RBF網(wǎng)絡(luò)隱含層中心的個(gè)數(shù)、中心的位置、層基函數(shù)的寬度、網(wǎng)絡(luò)權(quán)值都會(huì)一定程度地影響其網(wǎng)絡(luò)性能，本文以前人學(xué)者的研究為基礎(chǔ)，在 RBF網(wǎng)絡(luò)隱層基函數(shù)的寬度選擇上，提出一種改進(jìn)算法，該算法的基本思想是保持正交最小二乘算法訓(xùn)練好的RBF網(wǎng)絡(luò)的中心位置不變的情況下，用最小二乘方法去再一次計(jì)算網(wǎng)絡(luò)的權(quán)值向量，并以此來(lái)調(diào)整RBF網(wǎng)絡(luò)的寬度值。
　　最后本文通過(guò)國(guó)泰安數(shù)據(jù)庫(kù)、Wind數(shù)據(jù)庫(kù)、雪球財(cái)經(jīng)以及

4、中信證券交易系統(tǒng)中收集的可轉(zhuǎn)換債券的樣本數(shù)據(jù)，應(yīng)用Matlab軟件進(jìn)行仿真，對(duì)比BP神經(jīng)網(wǎng)絡(luò)下的可轉(zhuǎn)換債券定價(jià)模型與RBF神經(jīng)網(wǎng)絡(luò)下的可轉(zhuǎn)換債券定價(jià)模型以及改進(jìn)后的RBF神經(jīng)網(wǎng)絡(luò)下的可轉(zhuǎn)換債券定價(jià)模型的仿真結(jié)果。實(shí)驗(yàn)表明：在可轉(zhuǎn)換債券的定價(jià)中，改進(jìn)后的RBF網(wǎng)絡(luò)下的輸出誤差與時(shí)間都明顯低于BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)下的結(jié)果，從而得出改進(jìn)后的RBF網(wǎng)絡(luò)下的B-S定價(jià)結(jié)果更加有效的結(jié)論。這對(duì)于研究可轉(zhuǎn)換債券的價(jià)值評(píng)估以及項(xiàng)目投資決策具有十分重要的