| 摘要 | 第8-10页 |
| 英文摘要 | 第10-11页 |
| 第1章 绪论 | 第12-15页 |
| §1.1 研究背景与选题意义 | 第12页 |
| §1.2 研究发展与现状 | 第12-14页 |
| §1.3 本文结构与主要创新点 | 第14-15页 |
| 第2章 基础理论综述 | 第15-24页 |
| §2.1 遗传算法与遗传规划理论概述 | 第15-16页 |
| 2.1.1 遗传算法简介 | 第15-16页 |
| 2.1.2 遗传规划与遗传算法 | 第16页 |
| §2.2 Black-Scholes期权定价理论 | 第16-22页 |
| 2.2.1 Black-Scholes期权定价公式概述 | 第16-17页 |
| 2.2.2 标的资产价格的几何布朗运动假设 | 第17-19页 |
| 2.2.3 Black-Scholes偏微分方程与期权定价公式 | 第19-21页 |
| 2.2.4 Black-Scholes公式的应用与其他定价方法 | 第21-22页 |
| §2.3 程序化交易方法简介 | 第22-24页 |
| 2.3.1 程序化交易与技术分析 | 第22页 |
| 2.3.2 实现程序化交易的基本步骤 | 第22-24页 |
| 第3章 基于遗传算法的期权定价模型参数估计方法 | 第24-52页 |
| §3.1 波动率估计与期权定价模型 | 第24-29页 |
| 3.1.1 历史波动率计算方法 | 第24-25页 |
| 3.1.2 EWMA模型与GARCH模型 | 第25-27页 |
| 3.1.3 随机波动率模型 | 第27-29页 |
| §3.2 运用遗传算法的参数估计方法设计 | 第29-34页 |
| 3.2.1 MATLAB遗传算法工具箱与通用遗传算法函数设计 | 第29-31页 |
| 3.2.2 EWMA模型与GARCH模型的参数估计 | 第31-33页 |
| 3.2.3 随机波动率模型的参数估计 | 第33-34页 |
| §3.3 实证分析 | 第34-51页 |
| 3.3.1 实证数据及其特征分析 | 第34-41页 |
| 3.3.2 波动率模型参数估计结果的比较分析 | 第41-45页 |
| 3.3.3 GARCH模型与随机波动率模型的期权定价实证分析 | 第45-49页 |
| 3.3.4 基于Delta对冲的统计套利策略实证 | 第49-51页 |
| §3.4 本章总结与展望 | 第51-52页 |
| 第4章 基于遗传规划的程序化交易自动优化方法 | 第52-67页 |
| §4.1 运用遗传规划的程序化交易策略优化方法设计 | 第52-56页 |
| 4.1.1 程序开发环境与策略应用平台 | 第52-53页 |
| 4.1.2 遗传规划策略自动优化的方法设计与实现 | 第53-56页 |
| §4.2 策略自动优化的实证分析 | 第56-66页 |
| 4.2.1 实证数据说明 | 第56-57页 |
| 4.2.2 策略优化的参数设置 | 第57-58页 |
| 4.2.3 策略自动优化程序的性能评价 | 第58-63页 |
| 4.2.4 策略逻辑及性能分析 | 第63-66页 |
| §4.3 本章总结与展望 | 第66-67页 |
| 附录 | 第67-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 学位论文评阅及答辩情况表 | 第75页 |
