论文部分内容阅读
金融衍生品定价模型一直是金融界密切关注的焦点之一，而预测环境变化对模型的影响一直是提高定价模型精确度的难点，因此，我们希望建立一个参数随预测环境的改变而变化、不对市场做任何主观假设的具备自学习能力的模型，BP彳中经网络能够满足我们的要求。本文依据传统B—S模型对输入变量进行合理的合并与选择，建立了基于BP神经网络的期权定价模型，利用武钢CWB1的70天数据对神经网络进行训练，并用训练好的网络对接下来30天的期权价格进行一步仿真预测，最后分别对神经网络的预测结果，及B—S模型的预测结果进行误差分析，对比得出