基于人工神经网络的实物期权定价方法研究
| 第1章 绪论 | 第1-11页 |
| ·选题目的、意义 | 第8页 |
| ·选题目的 | 第8页 |
| ·选题意义 | 第8页 |
| ·课题来源 | 第8-9页 |
| ·研究内容 | 第9-10页 |
| ·技术路线 | 第10-11页 |
| 第2章 实物期权定价理论 | 第11-19页 |
| ·实物期权定价研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13页 |
| ·实物期权定价 | 第13-17页 |
| ·布莱克-斯克尔斯定价方法 | 第14-16页 |
| ·实物期权定价过程 | 第16-17页 |
| ·现行实物期权定价方法存在的问题 | 第17-19页 |
| 第3章 人工神经网络及遗传算法基本理论 | 第19-27页 |
| ·人工神经网络基本理论 | 第19-21页 |
| ·BP神经元模型 | 第19-20页 |
| ·BP神经网络的基本结构及描述 | 第20-21页 |
| ·BP神经网络的设计 | 第21-23页 |
| ·BP神经网络的生成及初始化 | 第21-22页 |
| ·BP神经网络的学习规则 | 第22页 |
| ·BP神经网络的训练和仿真 | 第22-23页 |
| ·遗传算法基本理论 | 第23-27页 |
| ·基本概念 | 第23-24页 |
| ·算法流程 | 第24-27页 |
| 第4章 基于人工神经网络的实物期权定价研究 | 第27-44页 |
| ·影响实物期权价值的因素 | 第27-29页 |
| ·可量化因素的预处理 | 第28-29页 |
| ·不易量化因素的编码转换 | 第29页 |
| ·BP神经网络的学习 | 第29-30页 |
| ·遗传算法选择变量优化BP网络 | 第30-34页 |
| ·遗传算法设计 | 第30-32页 |
| ·选择变量优化网络 | 第32-34页 |
| ·建立模型 | 第34-44页 |
| ·分析样本 | 第34-35页 |
| ·确定网络输入节点 | 第35-36页 |
| ·训练BP网络 | 第36-37页 |
| ·优化网络 | 第37-41页 |
| ·训练优化后的网络 | 第41-44页 |
| 第5章 应用研究 | 第44-50页 |
| ·某信托公司投资项目 | 第44-47页 |
| ·项目背景 | 第44页 |
| ·文件成像系统项目 | 第44-46页 |
| ·构造应用框架 | 第46-47页 |
| ·BP神经网络实物期定价的应用 | 第47-49页 |
| ·分析确定各输入变量 | 第47-49页 |
| ·BP神经网络定价 | 第49页 |
| ·结果分析 | 第49-50页 |
| 第6章 结论 | 第50-53页 |
| ·结论 | 第50-51页 |
| ·工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 在校期间发表的论文和参与的课题项目 | 第58-59页 |
| 附录 | 第59-73页 |
