基于極限學習機的實物期權定價模型研究.pdf

1、隨著經(jīng)濟全球化的不斷發(fā)展，企業(yè)經(jīng)營業(yè)務和經(jīng)營手段也發(fā)展變化，致使企業(yè)價值類型不斷增加和創(chuàng)新，企業(yè)面臨的未來不確定性因素越來越多以及企業(yè)柔性管理變得日益凸顯。廣泛應用于企業(yè)價值評估的傳統(tǒng)方法不能估計企業(yè)不確定性變化帶來的隱含價值，因此不能有效地進行企業(yè)價值評估分析。實物期權方法可以估算出這部分隱含的價值，也即實物期權價值。企業(yè)的實物期權價值構成企業(yè)價值的主要部分。
　　Black-Scholes模型是企業(yè)用于價值評估的比較流行的實物

2、期權定價工具。然而，由于Black-Scholes模型的前提假設非常嚴苛，主觀性和模糊性很強，因此不能準確高效地進行評估，這使得該模型在實際應用中受到很大的局限。針對以上實物期權本身固有的問題，近幾年來雖然很多學者已經(jīng)結合多種算法對實物期權方法進行了改進和優(yōu)化，且都大大提高了實物期權定價模型的準確性，但是由于BP神經(jīng)網(wǎng)絡自身的缺陷使模型仍然達不到最佳的效果。本人在此前學者研究的基礎上，引入了極限學習機(Extreme Learning

3、Machine，ELM)的算法對實物期權模型進行改進，該種算法大大提高了訓練速度和預測精度。那么鑒于極限學習機的諸多優(yōu)點，將其應用在實物期權定價模型上對該模型進行改進，最后將基于極限學習機改進后的實物期權定價模型與基于BP神經(jīng)網(wǎng)絡改進后實物期權定價模型進行對比，我們可以得到更加有效的結果。本文嘗試采集上市公司樣本數(shù)據(jù)，運用改進后的實物期權定價模型進行實證分析，應用Matlab軟件進行仿真，對比基于BP神經(jīng)網(wǎng)絡改進后的實物期權模型和基于E