| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-12页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究意义 | 第7-8页 |
| 1.3 国内外研究现状 | 第8-9页 |
| 1.4 目前研究存在的问题 | 第9页 |
| 1.5 本文主要内容 | 第9-10页 |
| 1.6 本文创新点 | 第10-12页 |
| 第二章 偏微分方程与期权定价的理论基础 | 第12-17页 |
| 2.1 期权的概念和分类 | 第12-13页 |
| 2.1.1 期权的定义 | 第12页 |
| 2.1.2 期权的分类 | 第12-13页 |
| 2.2 期权定价方法 | 第13页 |
| 2.3 偏微分方程的基础理论 | 第13-14页 |
| 2.4 偏微分方程理论在期权定价模型中的应用 | 第14-16页 |
| 2.4.1 二叉树方法 | 第15页 |
| 2.4.2 Monte-Carlo模拟方法 | 第15页 |
| 2.4.3 有限差分方法 | 第15-16页 |
| 2.5 偏微分方程优化期权定价在投资中的应用价值 | 第16页 |
| 2.6 小结 | 第16-17页 |
| 第三章 期权定价模型的优化 | 第17-24页 |
| 3.1 Black-Scholes期权定价模型的简介 | 第17页 |
| 3.2 Black-Scholes期权定价模型的方程式 | 第17-18页 |
| 3.3 Black-Scholes期权定价模型的推导 | 第18-21页 |
| 3.4 Black-Scholes期权定价模型的优化 | 第21-23页 |
| 3.5 小结 | 第23-24页 |
| 第四章 基于遗传算法的优化Black-Scholes期权定价模型数值求解 | 第24-28页 |
| 4.1 遗传算法的基本理论 | 第24页 |
| 4.2 遗传算法的主要步骤 | 第24-26页 |
| 4.3 利用遗传算法求解Black-Scholes期权定价模型 | 第26-27页 |
| 4.4 小结 | 第27-28页 |
| 第五章 基于神经网络的优化Black-Scholes期权定价模型数值求解 | 第28-33页 |
| 5.1 神经网络的基本理论 | 第28页 |
| 5.2 神经网络的主要步骤 | 第28-30页 |
| 5.3 利用神经网络求解Black-Scholes期权定价模型 | 第30-32页 |
| 5.4 小结 | 第32-33页 |
| 第六章 基于粒子群优化算法的Black-Scholes期权定价模型数值求解 | 第33-37页 |
| 6.1 粒子群优化算法的基本理论 | 第33页 |
| 6.2 粒子群优化算法的主要步骤 | 第33-35页 |
| 6.3 利用粒子群优化算法求解Black-Scholes期权定价模型 | 第35-36页 |
| 6.4 小结 | 第36-37页 |
| 第七章 数值求解方法的算例分析 | 第37-42页 |
| 7.1 算例验证 | 第37-38页 |
| 7.2 遗传算法、神经网络、粒子群优化算法在Black-Scholes期权定价模型求解中的效益分析 | 第38-42页 |
| 结论 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
| 个人简历 | 第49页 |
| 在读期间已发表和录用的论文 | 第49页 |
