|本期目录/Table of Contents|

[1]骆桦,刘兴.基于主成分分析的神经网络算法对期权价格预测研究[J].浙江理工大学学报,2017,37-38(自科1):122-126.
　LUO Hua,LIU Xing.Study on Option Price Forecasting with Neural Network AlgorithmBased on Principal Component Analysis[J].Journal of Zhejiang Sci-Tech University,2017,37-38(自科1):122-126.
点击复制

基于主成分分析的神经网络算法对期权价格预测研究()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第37-38卷
期数:
2017年自科1期
页码:
122-126
栏目:
出版日期:
2017-01-10

文章信息/Info

Title:
Study on Option Price Forecasting with Neural Network AlgorithmBased on Principal Component Analysis
文章编号:
1673-3851 (2017) 01-0122-05
作者:
骆桦; 刘兴
浙江理工大学理学院，杭州 310018
Author(s):
LUO Hua;  LIU Xing
School of Sciences, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
期权价格; Black Scholes期权定价; 主成分分析; BP神经网络
分类号:
F830.91
文献标志码:
A
摘要:
采用基于主成分分析的神经网络算法对华夏上证50ETF期权价格进行预测，并使用期权数据验证该方法的有效性。比较传统Black Scholes期权定价、单个BP神经网络算法和基于主成分分析的BP神经网络算法对期权价格的预测精度，结果表明：基于主成分分析的BP神经网络算法预测精度最高，传统的Black Scholes期权定价方法其预测精度最低。

参考文献/References:

［1］ Fuchs  J J. On estimating the order of an ARMA process ［J］. Automatica,1987,23(6):779-782.
［2］ 李干琼,许世卫,李哲敏,等.农产品市场价格短期预测方法与模型研究：基于时间序列模型的预测［J］.中国农业大学学报,2011,16(2):172-178.
［3］ 马保忠,甄博倩.基于时间序列分析的黄金期货价格预测模型的实证分析［J］.商,2015(7):152.
［4］ 尹玥.基于ARIMA模型的股票市盈率分析及预测［J］.合作经济与科技,2015(2):36-37.
［5］ 董莹,乌日噶,齐淑华.基于BP神经网络的期权定价模型［J］.鲁东大学学报,2013,29(3):196-199.
［6］ 韦德民,薄晓旭.基于人工神经网络的权证定价模型研究［J］.市场经济与价格,2015(5):40-44.
［7］ 王启敢,张艳峰.基于神经网络方法的期权定价研究［J］.中南财经政法大学研究生学报,2009(5):49-53.
［8］ LABOISSIERE L A, FERNANDES R A S, LAGE G G. Maximum and minimum stock price forecasting of Brazilian power distribution companies based on artificial neural networks［J］. Applied Soft Computing,2015,35:66-74.
［9］ 何东,刘瑞叶.基于主成分分析的神经网络动态集成风功率超短期预测［J］.电力系统保护与控制,2013,41(4):50-54.
［10］ 王小川.MATLAB神经网络43个案例分析［M］.北京:北京航空航天大学出版社,2013:1-19.

备注/Memo

备注/Memo:
收稿日期： 2016-05-10
网络出版日期： 2017-01-03
基金项目： 国家自然科学基金项目（11401532）
作者简介： 骆桦（1962-），男，浙江诸暨人，副教授，硕士，主要从事金融数学和数理统计方面的研究
更新日期/Last Update: 2017-03-01