● 摘要
金融衍生证券定价一直是金融市场的一个研究热点，也是研究重点和难点。随着衍生证券市场的发展，衍生证券合约变得越来越复杂，特别是对于涉及多阶段、路径依赖以及发行者与投资者相互博弈时，对衍生证券定价模型的设计、分析与求解就变得非常困难，有时几乎不可行，并且定价结果往往因偏差过大而失去对实际市场的指导作用。本文首先回顾了传统的衍生证券定价理论模型、数值分析模拟技术以及应用概况，然后结合现代计算机技术、遗传优化算法、神经网络非参数统计方法等工具和研究方法，对衍生证券定价的神经网络模型的构建与设计进行了深入的探讨，并结合我国市场交易的衍生证券，给出了具体的不同衍生证券的神经网络模型并在实际中应用，取得了一些有价值的结论。全文在传统的衍生证券定价理论分析与论述的基础上，充分借鉴与吸收国内外研究人员对衍生证券定价方法的发展与创新的研究成果，特别是神经网络方法在衍生证券定价中的应用创新文献的启发与指引下，针对现有的传统衍生证券定价方法存在的较大定价误差，在现有的神经网络方法在衍生证券定价中应用的前提下进行进一步的优化改进，采用具有非常成熟而应用广泛的反向传播神经网络算法，并且运用遗传算法对网络的权值、阙值及网络结构进行优化设计，使得神经网络在衍生证券定价中更加科学、有效。同时运用所建立的基于遗传算法改进的反向传播神经网络模型架构，并与我国现有的认股权证与可转换债券两个衍生证券的合约条款进行结合分析，分别构造基于神经网络模型的认股权证与可转债定价模型，运用我国的实际市场交易数据进行实证分析。研究结论表明，我国的衍生证券价格并没有严重偏离传统的理论价格体系，其市场价格特征仍然反映了传统理论模型价格体系中所暗含的内在价值规律，而市场价格与理论模型价格之间所长期存在的价格偏差则是我国衍生证券市场价格在特定的条件、特定的环境、特定的交易制度体制下对传统的理论模型价格的一个修正与调整，该偏差反映了我国衍生证券市场的理性交易与市场的无套利均衡特点。通过市场价格、理论模型价格以及神经网络模型价格之间的对比分析表明，本文建立的基于遗传算法改进的反向传播神经网络模型对我国证券市场中交易的衍生证券的理论价格特征与市场隐性因子均较好的进行了刻画，在有效的对市场价格中暗含的理论价值规律抽象的基础上，对市场价格对特定市场环境中隐性因素的反映也进行了较好的提取，神经网络网络模型的仿真结果充分反映了神经网络在金融衍生证券定价中估值优势与有效性。