| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·期权背景知识 | 第8-9页 |
| ·期权定价理论的发展 | 第9-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第二章 Black-Scholes期权定价模型 | 第12-17页 |
| ·Black-Scholes期权定价模型 | 第12页 |
| ·美式看跌期权的Crank-Nicholson差分法 | 第12-15页 |
| ·数值算例 | 第15-17页 |
| 第三章 RBF神经网络和粒子群算法 | 第17-24页 |
| ·RBF网络结构 | 第17-20页 |
| ·RBF网络常用算法 | 第20-22页 |
| ·粒子群算法 | 第22-24页 |
| 第四章 基于RBF神经网络的期权定价模型 | 第24-31页 |
| ·样本资料 | 第24-25页 |
| ·输入输出变量的确定 | 第25-26页 |
| ·波动率的估计 | 第26-28页 |
| ·历史波动率 | 第26-27页 |
| ·隐含波动率 | 第27-28页 |
| ·RBF神经网络的期权定价模型 | 第28-31页 |
| ·RBF网络模型的建立 | 第28-29页 |
| ·基于PSO算法的RBF网络优化 | 第29-31页 |
| 第五章 基于RBF神经网络的期权定价模型的算法实现及实证分析 | 第31-38页 |
| ·基于Matlab工具箱的RBF网络在期权定价的应用 | 第31-33页 |
| ·基于K-均值聚类算法的RBF网络在期权定价的应用 | 第33-34页 |
| ·基于梯度下降法的RBF网络在期权定价的应用 | 第34-36页 |
| ·基于PSO算法优化的RBF网络在期权定价的应用 | 第36-37页 |
| ·实证结果分析 | 第37-38页 |
| 第六章 基于RBF神经网络的期权定价模型的比较分析 | 第38-42页 |
| ·模型精确度评价指标 | 第38页 |
| ·使用历史波动率的定价模型 | 第38-40页 |
| ·基于四种RBF网络算法的定价模型的比较分析 | 第38-39页 |
| ·RBF网络模型与B-S、BP模型的比较 | 第39-40页 |
| ·使用隐含波动率的定价模型 | 第40-42页 |
| ·基于四种RBF网络算法的定价模型的比较分析 | 第40-41页 |
| ·RBF网络模型与B-S、BP模型的比较 | 第41-42页 |
| 第七章 结论 | 第42-44页 |
| ·研究总结 | 第42页 |
| ·研究展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48页 |
