A BLACK-SCHOLES FORMULA FOR OPTION PRICING WITH DIVIDENDS

Abstract. We obtain a Black-Scholes formula for the arbitrage-free pricing of Eu-ropean Call options with constant coefficients when the underlylng stock generatesdividends. To hedge the Call option, we will always borrow money from bank. We seethe influence of the dividend term on the option pricing via the comparison theoremof BSDE(backward stochastic di~erential equation [5], [7]). We also consider the option pricing problem in terms of the borrowing rate R whichis not equal to the interest rate r. The corresponding Black-Sdxoles formula is given.We notice that it is in fact the borrowing rate that plays the role in the pricing formula.     

GDP分布模型与股票收益率的极值分析

本文讨论了利用 GDP分布模型计算 Va R和 ES的方法 ,并利用此模型对 FT 3 0指数进行了实证分析 ,得到了满意的 Va R和 ES估计值 .     

基于贝叶斯法则的空间自相关误差自相关模型变量选择研究

本文将研究贝叶斯法则视角下的空间自相关误差自相关模型(Spatial Autoregressive Model with Autoregressive Disturbances,SARAR模型)变量选择问题。通过将基于BIC准则的子集选择法推广到空间模型,实现SARAR模型的变量选择,并证明在一定条件下,对于SARAR模型的变量选择BIC准则具有良好的渐近性质。同时本文还将利用Monte Carlo模拟验证BIC准则能够很好的实现SARAR模型的变量选择。最后以股票收益率为例,在验证股票收益率具有空间效应的前提下,利用BIC准则对影响股票收益率的众多财务指标进行变量选择。     

基于一维搜索的ICA自适应算法及其在股票分析中的应用

在固定步长的ICA极大似然估计自适应算法的基础上,通过一维搜索引入了步长修正方案,使新算法可在收敛速度和稳定状态时的失调误差这两个性能指标上达到最佳结合点,具有较好的时变系统跟踪能力。仿真结果证实了本文所提出的算法可以有效地提高ICA的自适应性,能够更准确地完成盲源分离。在此基础上将算法用在时变性很强的股票数据上,以验证该算法的有效性和可行性。     

基于R/S分析的深圳股市非线性特征实证研究

应用HURST指数和R/S分析法对深圳股市进行了非线性特征实证研究,从低频数据到高频数据逐层分析,分别得到它们的H-指数、相关系数、分形维数和非周期循环.进一步,对不同频度数据分别进行对比分析,得到了深圳股市精确的非线性特征.实证结果表明,深圳股票市场存在状态持续性和波动性.     

股票收益率的次指数分布拟合

股票收益率等金融时间序列具有重尾特征,因而不适于用正态分布来描述,次指数分布族S是一类重尾分布族,能够很好的处理具有偏态、重尾特征的金融时间序列,本文对上证指数的收益率进行了次指数分布拟合,并给出了在险价值(VaR)的估计。     

基于神经网络的股票预测模型

针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。 针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism) 给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。     

具有破产约束的最优投资决策模型

本文给出了追求目标行为的投资决策模型,将投资目标系统化为这个扩散过程的两个吸收壁(Barriers),而文[1]的模型没有考虑破产,仅有一个吸收壁.在投资目标行为设定中,不仅要考虑目标完成水平,而且也要考虑破产,因为不破产是完成目标水平的前提条件,所以不应该被忽略.根据现有文献的实证结果导出投资回报率满足的扩散过程.本文首先描述所要解决的实际问题,设置在计划时间内要达到的目标,最后给出这个事件的概率解析表达式.     

标准化风险度量与投资决策的双目标优化

标准化风险度量(SRM)作为投资中的一种新的风险度量，其较传统风险度量的优点及在投资项目比较中特有的优良性质已被证明，本文导出SRM在概率意义下的一种重要的等价形式，并以此为基础建立以标准化风险(SR)为目标或约束的投资决策优化方法，该方法的核心是将以SRM为风险度量的优化问题转化为线性规划问题的优化技术，此技术结合利用统计抽样数据，可优化含有大量金融工具的投资组合，本文在考虑交易成本的情形下建立了最小化投资的标准化风险的同时最大化其期望有效回报(EER)的双目标优化模型，最后，具体考虑了上证30指数股票组合的优化以说明所建议的方法及模型的应用并实证它们的可行、合理及优良性，其中统计抽样基于近期历史数据。     

动态

迅雷再度推迟在美国IPO时间 迅雷曾原定于7月20日登陆纳斯达克,后宣布推迟到21日。据媒体报道,由于美国股票市场状况不佳,迅雷再度宣布推迟在美国IPO,具体IPO时间尚未确定。