基于極限學(xué)習(xí)機(jī)的實(shí)物期權(quán)定價(jià)模型研究.pdf

1、隨著經(jīng)濟(jì)全球化的不斷發(fā)展，企業(yè)經(jīng)營(yíng)業(yè)務(wù)和經(jīng)營(yíng)手段也發(fā)展變化，致使企業(yè)價(jià)值類型不斷增加和創(chuàng)新，企業(yè)面臨的未來(lái)不確定性因素越來(lái)越多以及企業(yè)柔性管理變得日益凸顯。廣泛應(yīng)用于企業(yè)價(jià)值評(píng)估的傳統(tǒng)方法不能估計(jì)企業(yè)不確定性變化帶來(lái)的隱含價(jià)值，因此不能有效地進(jìn)行企業(yè)價(jià)值評(píng)估分析。實(shí)物期權(quán)方法可以估算出這部分隱含的價(jià)值，也即實(shí)物期權(quán)價(jià)值。企業(yè)的實(shí)物期權(quán)價(jià)值構(gòu)成企業(yè)價(jià)值的主要部分。
　　Black-Scholes模型是企業(yè)用于價(jià)值評(píng)估的比較流行的實(shí)物

2、期權(quán)定價(jià)工具。然而，由于Black-Scholes模型的前提假設(shè)非常嚴(yán)苛，主觀性和模糊性很強(qiáng)，因此不能準(zhǔn)確高效地進(jìn)行評(píng)估，這使得該模型在實(shí)際應(yīng)用中受到很大的局限。針對(duì)以上實(shí)物期權(quán)本身固有的問(wèn)題，近幾年來(lái)雖然很多學(xué)者已經(jīng)結(jié)合多種算法對(duì)實(shí)物期權(quán)方法進(jìn)行了改進(jìn)和優(yōu)化，且都大大提高了實(shí)物期權(quán)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。本人在此前學(xué)者研究的基礎(chǔ)上，引入了極限學(xué)習(xí)機(jī)(Extreme Learning

3、Machine，ELM)的算法對(duì)實(shí)物期權(quán)模型進(jìn)行改進(jìn)，該種算法大大提高了訓(xùn)練速度和預(yù)測(cè)精度。那么鑒于極限學(xué)習(xí)機(jī)的諸多優(yōu)點(diǎn)，將其應(yīng)用在實(shí)物期權(quán)定價(jià)模型上對(duì)該模型進(jìn)行改進(jìn)，最后將基于極限學(xué)習(xí)機(jī)改進(jìn)后的實(shí)物期權(quán)定價(jià)模型與基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)后實(shí)物期權(quán)定價(jià)模型進(jìn)行對(duì)比，我們可以得到更加有效的結(jié)果。本文嘗試采集上市公司樣本數(shù)據(jù)，運(yùn)用改進(jìn)后的實(shí)物期權(quán)定價(jià)模型進(jìn)行實(shí)證分析，應(yīng)用Matlab軟件進(jìn)行仿真，對(duì)比基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)后的實(shí)物期權(quán)模型和基于E