基于图像识别的非结构化数据期权定价研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 选题依据与研究意义 | 第10-12页 |
| 1.1.1 选题依据 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 期权定价的发展和研究现状 | 第12-15页 |
| 1.2.1 期权定价国外发展和研究现状 | 第12-14页 |
| 1.2.2 期权定价国内发展和研究现状 | 第14-15页 |
| 1.3 主要研究工作及内容安排 | 第15-17页 |
| 1.3.1 主要研究工作 | 第15-16页 |
| 1.3.2 论文内容安排 | 第16-17页 |
| 2 相关理论、方法及概念介绍 | 第17-32页 |
| 2.1 B-S期权定价理论 | 第17-21页 |
| 2.2 套利定价理论 | 第21-25页 |
| 2.2.1 单因素套利定价理论 | 第23-24页 |
| 2.2.2 多因素套利定价 | 第24-25页 |
| 2.3 人工神经网络 | 第25-29页 |
| 2.3.1 神经元与神经网络 | 第26-28页 |
| 2.3.2 人工神经网络前向传播算法 | 第28页 |
| 2.3.3 人工神经网络反向传播算法 | 第28-29页 |
| 2.4 K线理论 | 第29-30页 |
| 2.5 图像识别基本框架 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 基于图像识别的非结构化数据模型构建 | 第32-39页 |
| 3.1 基本模型的构建 | 第32-37页 |
| 3.1.1 模型的构建思路 | 第32-33页 |
| 3.1.2 模型中指标的选取 | 第33-35页 |
| 3.1.3 模型评价指标 | 第35-37页 |
| 3.2 非结构化数据建模 | 第37-38页 |
| 3.2.1 非结构化数据建模思路 | 第37-38页 |
| 3.2.2 模型的实现与训练 | 第38页 |
| 3.3 本章小节 | 第38-39页 |
| 4 基于图像识别的非结构化数据实证研究 | 第39-50页 |
| 4.1 数据的收集与处理 | 第39-42页 |
| 4.1.1 变量选取 | 第39-40页 |
| 4.1.2 图像预处理 | 第40-42页 |
| 4.2 基于图像识别的涨跌分析 | 第42-46页 |
| 4.2.1 数值法代替图像识别分析 | 第42-44页 |
| 4.2.2 图像识别分析 | 第44-45页 |
| 4.2.3 分析结果对比 | 第45-46页 |
| 4.3 基于非结构化数据的期权定价分析 | 第46-49页 |
| 4.3.1 传统期权定价分析 | 第46-47页 |
| 4.3.2 改进的传统期权定价分析 | 第47-48页 |
| 4.3.3 分析结果对比 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 结论与展望 | 第50-52页 |
| 5.1 工作总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
