基于极限学习机的实物期权定价模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 研究背景与研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究的现状 | 第9-15页 |
| 1.2.1 国内外对实物期权的研究 | 第9-13页 |
| 1.2.2 国内外对极限学习机的研究 | 第13-15页 |
| 1.3 研究内容和研究方法 | 第15-18页 |
| 1.3.1 主要工作 | 第15-16页 |
| 1.3.2 研究内容 | 第16页 |
| 1.3.3 研究方法 | 第16-18页 |
| 1.4 技术路线图 | 第18-19页 |
| 第2章 实物期权理论研究 | 第19-26页 |
| 2.1 实物期权理论 | 第19-20页 |
| 2.1.1 实物期权的概念 | 第19页 |
| 2.1.2 实物期权的类型 | 第19-20页 |
| 2.2 实物期权定价理论 | 第20-25页 |
| 2.2.1 二项式定价模型 | 第20-22页 |
| 2.2.2 Black-Scholes定价模型 | 第22-24页 |
| 2.2.3 实物期权方法应用的意义 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 BP神经网络和极限学习机理论 | 第26-38页 |
| 3.1 BP神经网络基本理论 | 第26-32页 |
| 3.1.1 BP神经网络 | 第26-28页 |
| 3.1.2 遗传算法概述 | 第28-30页 |
| 3.1.3 遗传算法对BP神经网络的优化 | 第30-32页 |
| 3.2 极限学习机基本理论 | 第32-37页 |
| 3.2.1 标准ELM | 第33-35页 |
| 3.2.2 提高ELM泛化性能 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 实证研究 | 第38-48页 |
| 4.1 上市公司价值评估 | 第38-41页 |
| 4.1.1 参数估计 | 第38-40页 |
| 4.1.2 样本分析 | 第40-41页 |
| 4.2 样本采集与处理 | 第41-42页 |
| 4.2.1 样本数据采集 | 第41-42页 |
| 4.2.2 样本数据处理 | 第42页 |
| 4.3 仿真结果性能评估 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 结论和展望 | 第48-50页 |
| 5.1 结论 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-65页 |
| 在学期间发表的学术论文和研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
