标的股票服从跳--扩散过程的复合期权定价模型

当公司以债券和股票来融资时．股票可以看作基于该公司价值的看涨期权．则基于该公司股票的期权可看作是基于公司价值的期权的期权．既复合期R．Geske(1979)建立了当公司价值服从“标准几何Brown运动”的复合期权的定价模型．并给出了定价公式．C．R．Gukhal(2004)给出了当标的股票服从跳-扩散过程的一种特殊情形——跳跃的相对高度的期望k=E(Y-1)=0的复合期权的定价公式．本文在建立了标的股票服从跳-扩散过程且跳跃的高度随机变量Y服从对数正态分布时的复合期权定价模型．并给出了定价公式．推广了Geske和Gukhal的结论．     

跳-扩散模型下的复合期权定价公式

运用更一般的G irsanov定理研究了跳-扩散模型下的复合期权的定价问题.通过选取不同的计价单位及概率测度的变换,给出了复合期权的封闭解,从而推广了G ukha l,A g liard i E lettra等人的工作.     

股票价格服从跳-扩散过程的期权定价模型

讨论了股票价格遵循指数O-U过程的跳-扩散模型.在此假设下,推导出了欧式期权的定价公式,为实践者提供一个参考价格.     

随机利率下股价波动源模型的期权定价

假设风险利率是随机利率，我们在详细考虑基础变量——利率和股票价格行为特征的基础上，运用无套利原理推导出随机利率下股价波动源模型的期权定价方程。     

非对称双指数跳扩散模型下重置期权的定价

在非对称双指数跳扩散模型下运用概率方法导出了重置期权的价格公式。首先引入非对称双指数跳扩散模型并详尽分析了它的特点。其次,在经Girsanov定理进行测度变换的基础上利用Brownian运动和Poisson分布的独立增量性及Markovian性将期权价格转化为一些易于计算的数学期望之和。最后利用全期望公式给出重置期权明确的价格计算公式。     

带有随机波动率的交换期权定价

通过利用计价单位的变换及等价鞅测度,得到了在随机波动率下的交换期权定价公式.     

带有泊松跳跃的k-Hilfer分数阶随机微分方程的平均原理

研究了带有泊松跳跃的k-Hilfer分数阶微分方程的平均原理.通过使用分数阶微积分的性质,Doob鞅测度不等式,有界性定理和Cauchy-Schwarz不等式等,得到所考虑系统的平均原理,最后给出例子进行说明。     

基于方差缩减的高维美式期权Monte Carlo模拟定价

美式期权给予持有者在到期日之前任何时刻的权利,因涉及最佳执行时刻问题定价较为复杂.Monte Carlo方法其估计误差及收敛速度与问题的维数独立,可较好地处理高维衍生证券问题,且方法灵活易于实现.利用最小二乘蒙特卡洛方法(LSM),结合存储量减小技术与方差缩减技术,将Monte Carlo模拟方法应用于多标的资产的美式期权定价,并比较、分析了不同方差缩减技术的效果及适用范围.     

马尔可夫调制的跳扩散过程下幂式期权的定价

假定市场经济状态由两状态连续时间马尔可夫链描述,风险资产满足马尔可夫调制的跳扩散过程,研究了马尔可夫调制模型下幂式期权的定价问题.通过测度变换和Girsanov定理,得出幂式看涨期权定价公式,并利用看涨、看跌的平价关系得到了幂式看跌期权的定价公式.此外,还利用蒙特卡洛方法给出了幂式看涨期权价值的数值结果.     

有交易费和连续红利时的期权定价公式

期权定价模型为期权等金融衍生工具定价问题的研究带来了创新,但是该模型的一些基本假设与现实情况不符,使得由此计算出来的期权价格和实际金融市场上的期权价格有较大出入.作者通过改变无交易成本和无红利支付这2个条件改进了B-S模型,使其更具有现实意义,并利用偏微分方程基本解的方法,获得了修正后B-S模型的看涨-看跌期权的定价公式.     

关于期权定价的一点注记

在介绍由随机波动源和异常波动源共同作用的波动源模型的基础上,对该模型进行了期权定价的研究,结果表明该模型只能比传统的对数正态分布模型更精确地描述现实市场中的股价波动规律而不能改善期权价值。     

一类带有线性约束条件下随机环境汇率模型

汇率是两国货币进行兑换的比率,它是一个相当重要的经济变量,考虑到状态变化对汇率的实际影响,本文在随机经济环境下建立了一类随机汇率模型,汇率,外汇的供给与需求满足如下的随机微分方程：det={ret λ[D(et)-S(et)]}dt σetdWt,当S(et)=-c det,D(et)=a-bet时,求得满足上式的汇率过程的显示解,并求得此时外汇欧式期权的定价公式．     

金融市场模型研究

在随机微分方程的基础上，我们建立了金融市场模型，并且分析了模型的解与性质。     

一类随机因素影响下的最优收获问题

研究了随机因素下的种群生长、收获模型(伊藤随机微分方程)：dx(t)=rx(t)In(K／x(t))dt-E(t)x(t)dt σx(t)dw(t)，并得到了转移概率密度函数、方程的解及最优收获策略．