| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·金融市场的可预测性 | 第12-15页 |
| ·权证基本知识 | 第15-17页 |
| ·权证的定义 | 第15页 |
| ·权证的分类 | 第15-16页 |
| ·权证的要素 | 第16-17页 |
| ·论文研究内容和创新之处 | 第17-19页 |
| ·论文研究的内容 | 第17页 |
| ·本文的创新之处 | 第17页 |
| ·本文的结构安排 | 第17-19页 |
| 第二章 传统定价模型在权证定价中的应用 | 第19-34页 |
| ·BS 定价模型及其应用 | 第19-25页 |
| ·BS 定价模型的前提假设 | 第19页 |
| ·BS 模型及其推导 | 第19-21页 |
| ·BS 模型的推广 | 第21-22页 |
| ·BS 模型在权证定价中的应用 | 第22-23页 |
| ·利用BS 定价公式对中国权证市场进行实证 | 第23-25页 |
| ·二叉树模型及其应用 | 第25-29页 |
| ·二叉树模型及其推导 | 第25-27页 |
| ·二叉树模型的推广 | 第27页 |
| ·利用二叉树模型对中国权证市场进行实证 | 第27-29页 |
| ·蒙特卡洛模拟及其应用 | 第29-31页 |
| ·蒙特卡洛模拟的基本思想 | 第29-30页 |
| ·蒙特卡洛模拟的缺陷及其改进 | 第30页 |
| ·利用蒙特卡洛方法对中国权证市场进行实证 | 第30-31页 |
| ·有限差分模型及其应用 | 第31-34页 |
| ·有限差分模型原理 | 第31-32页 |
| ·利用有限差分模型对中国权证市场进行实证 | 第32-34页 |
| 第三章 中国权证价格预测的非线性模型及其实现 | 第34-45页 |
| ·中国权证价格预测的非线性模型 | 第35-36页 |
| ·中国权证价格预测的非线性模型 | 第35页 |
| ·非线性模型的实现方式 | 第35-36页 |
| ·人工神经网络 | 第36-43页 |
| ·人工神经网络及其发展 | 第36-37页 |
| ·人工神经元模型 | 第37-38页 |
| ·人工神经网络结构 | 第38-40页 |
| ·人工神经网络的学习方式 | 第40-42页 |
| ·人工神经网络的学习算法 | 第42-43页 |
| ·人工神经网络在权证定价上的应用 | 第43-45页 |
| 第四章 基于BP算法的多层前馈式神经网络预测模型 | 第45-73页 |
| ·基于BP 算法的多层前馈式神经网络原理 | 第45-47页 |
| ·基于BP 算法的多层前馈式神经网络模型 | 第45页 |
| ·基于BP 算法的多层前馈式神经网络算法流程 | 第45-47页 |
| ·基于BP 算法的多层前馈式神经网络局限性及其改进 | 第47-49页 |
| ·基于BP 算法的多层前馈式神经网络的局限性 | 第47-48页 |
| ·基于BP 算法的多层前馈式神经网络的改进 | 第48-49页 |
| ·基于BP 算法的多层前馈式神经网络权证价格预测模型 | 第49-57页 |
| ·预测方法的选取 | 第49-50页 |
| ·数据样本 | 第50-51页 |
| ·输入指标的筛选算法 | 第51页 |
| ·最佳lag 值的自适应算法 | 第51-52页 |
| ·数据预处理方法 | 第52-55页 |
| ·算法流程 | 第55-56页 |
| ·前馈式神经网络层数及每层神经元数的确定 | 第56页 |
| ·前馈式神经网络训练函数的确定 | 第56-57页 |
| ·前馈式神经网络其它参数的确定 | 第57页 |
| ·实证结果 | 第57-60页 |
| ·未经筛选指标前的结果 | 第57-59页 |
| ·筛选指标后的结果 | 第59-60页 |
| ·与传统定价模型对比 | 第60-71页 |
| ·与BS 定价公式对比 | 第61-63页 |
| ·与二叉树模型对比 | 第63-66页 |
| ·与蒙特卡洛模拟对比 | 第66-69页 |
| ·与有限差分方法对比 | 第69-71页 |
| ·结论 | 第71-73页 |
| 第五章 径向基函数神经网络预测模型 | 第73-83页 |
| ·径向基函数神经网络原理 | 第73-75页 |
| ·径向基函数神经网络模型 | 第73-74页 |
| ·径向基函数神经网络学习算法 | 第74-75页 |
| ·径向基函数神经网络的权证价格预测模型 | 第75-77页 |
| ·数据样本 | 第75页 |
| ·输入指标 | 第75-76页 |
| ·数据预处理方式 | 第76页 |
| ·径向基函数扩散系数（spread）值的确定 | 第76-77页 |
| ·算法流程 | 第77页 |
| ·实证结果 | 第77-78页 |
| ·与其它模型对比 | 第78-82页 |
| ·与基于BP 算法的多层前馈式神经网络预测模型对比 | 第78-81页 |
| ·与传统的定价模型及方法对比 | 第81-82页 |
| ·结论 | 第82-83页 |
| 第六章 结论 | 第83-86页 |
| ·研究总结 | 第83-84页 |
| ·研究展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 攻硕期间取得的研究成果 | 第91-92页 |
