一、离散时间不完金融市场中期权定价的效用极大化方法（论文文献综述）
胡明柱[1]（2020）在《上证50ETF期权市场波动率风险溢价研究》文中认为上证50ETF期权的正式上市交易标志着我国金融市场正式进入多元化投资和风险管理的新时代。期权具有高杠杆特征及做多做空机制,若使用不当,会加剧金融市场的波动,一直以来波动率是学界和业界关注的重要话题,也是市场中的重要风险源。资产定价理论表明:只要市场中存在风险源,投资者必然索取相应的风险溢价,进而对我国金融市场的资产定价及风险管理提出挑战。由于上证50ETF期权的推出时间较晚,鲜有相关研究,而期权市场波动率风险溢价的研究对我国金融市场的稳定健康发展具有重要的意义。鉴于此,本文以上证50ETF期权市场为研究对象,采用上证50ETF现货和期权市场日频交易数据,从已实现测度和风险中性测度估计随机波动率模型的参数,进而提取波动率风险溢价并分析市场特征;从时变特征、资产跳跃、期权定价及投资者行为等角度揭示了波动率风险溢价之谜;从市场微观结构和宏观经济信息两个角度揭示影响波动率风险的主要影响因素。主要内容包括:首先,从传统金融学理论和行为金融学理论阐述了波动率风险溢价研究的理论依据;从随机波动率模型、MCMC估计法、极值法及傅里叶变换法等方面阐述了波动率风险溢价研究的数理模型;从波动率风险溢价之谜为切入点,结合期权定价理论、投资者行为、已实现测度及风险中性测度视角分析了波动率风险溢价的形成机理。本研究为波动率风险溢价研究提供了理论支持。其次,采用上证50ETF市场数据,运用SV、SVJ及SVCJ等随机波动率模型和MCMC方法估计已实现测度下模型的参数并分析市场特征。结果发现:SVCJ模型相较于SV模型及SVJ模型具有更好的市场拟合优度,上证50ETF收益与波动存在“杠杆效应”;上证50ETF收益和波动的跳跃存在非对称性,其中收益还存在“跳跃聚集”和“跳跃逆转”现象,在市场急剧动荡时期,标的资产收益及波动发生跳跃的幅度较大,而在市场非急剧动荡时期,收益及波动发生跳跃的幅度较小。采用期权交易数据,运用欧式期权定价中的傅里叶变换法及最小极值法估计风险中性测度下模型的参数并分析期权市场的特征,发现上证50ETF期权市场存在“波动率微笑”现象,SVCJ模型相较于SV模型、SVJ模型具有更高的期权定价精度,傅里叶变换法能显着提高波动率风险溢价的估计效率。再次,采用期权定价理论及行为金融学理论,揭示金融市场中的波动率溢价之谜。波动率风险溢价度量了标的资产的波动率在已实现测度和风险中性测度下的溢价水平。波动率风险溢价、期权价格及投资者行为三者息息相关,在市场急剧动荡时期,标的资产在已实现测度下的波动率期望小于风险中性测度下的隐含波动率期望,波动率风险溢价基本为负,投资者厌恶波动风险,对未来市场的波动预期较高,购买期权对冲波动风险的意愿较高,期权定价偏高。在市场非急剧动荡时期,标的资产在已实现测度下的波动率期望大于风险中性测度下的隐含波动率期望,波动率风险溢价基本为正,投资者偏好波动风险,投资者对未来市场的波动预期较低,购买期权对冲波动风险的意愿较低,期权定价偏低。最后,采用秩相关法及Copula模型等方法,分析了从波动率风险溢价与市场收益的关系,从市场微观结构和宏观经济信息两个方面分析了波动率风险溢价的影响因素。研究结果表明:一是,从波动率风险溢价与市场收益的相关性来看,发现两者存在正的秩相关性,即两者同时走高或走低的概率大于其中之一走高或者走低的概率,两者还具有尾部非对称结构相关特征,相关研究对金融风险管理具有重要的作用。二是,从波动率风险溢价在市场中的预测作用来看,波动率风险溢价对上证50ETF收益有显着的预测能力,相关研究为市场参与者构建投资决策提供重要参考。三是,从波动率风险溢价的影响因素来看,收益率、换手率、市场深度、交易成本等对波动率风险溢价的影响显着为正;市场波动率及期权市场活跃程度对波动率风险溢价的影响显着为负;宏观经济信息对波动率风险溢价的影响程度相对较小;在各因素影响贡献度方面,换手率>投资者情绪>标的市场波动率>市场活跃程度>收益率>市场深度>交易成本。论文具有较强的理论意义和实践价值。理论方面,本文拓展了波动率风险溢价的研究领域,深化了对波动率风险溢价、期权定价、投资者行为间关系的理解,补充了期权定价理论和行为金融学理论。实践方面,上证50ETF期权的运行状况及蕴含的信息特征将会为后续推出指数期权、期货期权、个股期权、波动率衍生品等提供重要参考;本文的研究也为风险监管部门提供实践参考,帮投资者认识期权市场存在的波动率风险溢价的一般规律,同时也为投资者构建合理的投资组合提供决策支持。
张璐[2]（2020）在《植物品种权证券化研究》文中指出植物品种权作为农业知识产权的重要组成部分,是关乎粮食安全与国计民生的一项重要知识资产。随着农业科技的不断发展,植物品种的研发和应用日新月异,也推动了农业经济的快速发展。如何利用植物品种权进行证券化融资,成为种业企业和科研机构获得创新动力和发展资金的重要契机。植物品种权证券化想要获得长足的发展,既需要依靠国家相关政策的引导,也需要发挥产权自身的经济与金融特性,在证券化融资方面取得突破。近年来,国家出台一系列政策鼓励和支持植物品种权证券化的发展,证监会也加大了对相关项目的扶持,为植物品种权证券化发展拓宽道路。通过梳理以往文献发现,已有研究多侧重于对知识产权证券化的讨论,因此,本文针对植物品种权特性对相关问题展开分析和探讨,以期能够破解植物品种权证券化融资困境,提高行业竞争力。本文从植物品种权的一般理论出发,按照提出问题—分析问题—解决问题的整体思路,将理论与实务纳入统一的植物品种权证券化分析框架,运用知识创新理论、信息不对称理论、资产定价理论、风险决策理论等,通过数值模拟分析、SPSS统计分析等方法,对植物品种权证券化方式、定价、风险等问题进行系统性研究,并提出相应的对策建议。主要研究内容包括:第一,植物品种权证券化概念界定与理论框架。阐述植物品种权证券化的内涵、要素与运作流程,论述委托代理理论、信息不对称理论、价值理论、资产定价理论、风险决策理论等相关理论,构筑和形成了本文的理论研究框架。第二,植物品种权证券化方式。本章对主要国家知识产权证券化方式进行系统的探讨与总结,分析了引入种业保险、引入担保机构、引入“银政企”、引入股权众筹等几种适合植物品种权证券化运行的方式。研究表明,引入股权众筹方式能够符合植物品种权证券化特征。数值模拟结果显示,植物品种权证券化的产品质量信号、项目资金、消费效用等因素都对植物品种权证券化股权众筹有正向影响,植物品种权证券化股权众筹具有可行性与可操作性。第三,植物品种权证券化定价。本章通过总结植物品种权证券化定价的内容和影响因素,归纳出适用于植物品种权证券化定价的方法。研究发现,运用实物期权法进行植物品种权证券化定价具有合理性。仿真结果表明:期权时间、波动率、期权障碍价格都是影响植物品种权证券化定价的重要因素。植物品种权证券化价格仿真实验的结果反映了不同类型的投资者对产品定价发行后植物品种权未来收益能力的的预期,为植物品种权证券化的定价提供了参考。第四,植物品种权证券化风险。本章对植物品种权证券化运行和定价过程中的风险进行分析和归类,探讨了风险的形成与传导路径,分析了具有资产证券化性质和具有知识产权特性的风险因素。对植物品种权证券化进行了风险测度和评估,并运用区间直觉模糊梯形算法对多种方案进行风险分析和评价,研究结果表明信用风险、价值风险、利率风险、法律风险、技术风险、信息不对称风险、市场风险、巨灾风险等都是影响植物品种权证券化运行方案选择的重要指标。第五,植物品种权证券化管理策略。植物品种权证券化是在资产证券化理论体系上建立起来的、以知识产权证券化为基础进行的创新发展。本章根据发达国家知识产权证券化主要方式、运行模式和定价机理及存在的风险,提出了促进植物品种权证券化发展的管理策略。主要从创新策略、监管策略、市场策略、环境策略、法律策略方面提出以下建议:运用金融科技手段,实现植物品种权证券化创新发展;构建合理有效的金融监管体系,防范金融风险;规范交易市场,维护植物品种权证券化有效运行;优化资源配置,提供良好的植物品种权证券化投融资环境;加强政策法规建设,保障植物品种权证券化高效发展。虽然我国目前推行植物品种权证券化的条件已基本具备,但是仍然还存在一些运行的障碍。为此应当完善相关法规条例,加快推动植物品种权成果转化,促进金融机构与种业企业的合作,健全证券化运行平台和交易体制,为植物品种权证券化的有效运营创造合适的条件。
白雪飞[3]（2020）在《上证50ETF期权隐含波动率曲面构建与Delta套期保值研究》文中研究说明2015年2月9日中国第一支股指期权——上证50ETF期权开始试点运行,这标志着我国拥有了股票现货、期货以及期权等全线产品,正逐步建立起完整地证券交易市场。期权的非线性损益结构特征使得研究期权定价及风险管理等相关问题对我国金融市场的发展与完善有着重要意义。B-S方程模型奠定了现代期权定价理论的基石,它促进了期权市场及衍生品市场的发展。然而B-S方程中假定隐含波动率为常数这一假设与实际观测的隐含波动率曲面不相符合,之后研究者们都在寻找更加合理的隐含波动率模型,如随机波动率模型、局部波动率模型以及跳扩散模型等等。这些研究都证明了隐含波动率是随时间动态变化的。对隐含波动率曲面的建模一直是现代金融工程的研究热点,其中主要的建模手段有参数以及半参数模型,除此之外,非参数模型也较为常用。对于半参数模型而言,它克服了参数模型中需要固定参数之间关系的预先假设和非参数模型对数据量庞大的要求,因而有着更为广泛的应用。本文基于前人的研究成果提出了一种半参数模型来构建隐含波动率曲面,该模型共包含九个具有现实经济意义的参数,从剩余期限和在值程度两个维度来刻画隐含波动率曲面的特征。本文用2018年实际交易数据来刻画九个参数的时间序列特征,并发现各个参数均具有一定的规律性特征,并采用了依时间顺序进行加权平均的指数平滑法预测方法,发现当平滑参数a=0.5时,二次指数平滑的预测效果优于三次指数平滑。本文利用上证50ETF期权的交易数据构建了每三天调整一次投资组合头寸的基于Delta中性的套期保值交易策略。用指数期权与ETF现货进行动态套期保值模拟。通过研究发现,Delta中性套期保值可以降低投资组合的波动,但是不同策略的套期保值效率有所不同,应当基于标的资产的特有性质采用适当的套期保值策略,才能发挥期权的风险管理作用。
李文[4]（2020）在《基于PJD过程的DC型养老基金投资组合模型研究》文中进行了进一步梳理缴费确定（Defined Contribution,DC）型养老基金投资组合问题始终是投资组合领域研究的重要问题之一。在现代金融市场中,DC型养老基金管理者在进行投资组合选择时,常常要面对三个主要的影响因素:通胀、随机利率和卖空约束。因而,基金管理者必须要合理地在这些因素约束下进行投资组合选择。现代金融实践经验表明,风险资产价格剧烈变动发生地越来越频繁,给现实中以DC型养老基金为主的经济体带来巨大损失。因此,在当前DC型养老基金投资组合问题研究中,考虑风险资产价格剧烈变动对投资组合的影响便显得愈加重要。基于此,本文在现有研究的基础上,以DC型养老基金投资组合为研究对象,在影响投资者投资组合选择的通胀、随机利率和卖空约束三大主要影响因素约束下,借助泊松跳扩散（Possion Jump Diffusion,PJD）过程对风险资产价格过程进行建模分析。利用金融随机分析理论、随机控制理论及模糊随机理论,深入探讨在通胀、随机利率及市场卖空约束三种现实中典型金融市场约束条件下,基于PJD过程的DC型养老基金投资组合问题。首先,针对现代金融市场中通胀影响投资者投资行为这一重要特征,假定通胀服从几何布朗运动,以终端财富通胀折现的期望效用最大化为目标,利用随机控制理论和模糊随机理论,得到DC型养老基金管理者在考虑通胀条件下的最优投资组合。通过对数值模拟结果的分析,考虑到金融市场突发事件对投资组合的影响后,跳跃强度将成为影响风险资产最优投资的影响因素之一。在考虑随机通胀约束情形下,风险资产最优投资随着通胀波动率的增加,呈现出先增加,后减少的趋势。并且利用模糊随机理论,将金融市场突发事件发生的跳跃强度模糊化,形成一个向右偏的三角模糊数,在对数效用函数下,得到DC型养老基金管理者的最优投资区间。随着DC型养老基金管理者主观判断信度的不断提高,基金管理者在风险资产和无风险资产的投资区间会逐渐变窄,直至风险资产的最优投资和无风险资产的最优投资成为一个确定的实数,丧失模糊性。其次,针对现代金融市场中无风险利率的随机特征,将无风险利率随机化,以终端财富期望效用最大化为目标,利用随机控制技术和模糊随机分析,得到DC型养老基金在随机利率条件下的投资组合。通过对数值模拟结果的分析,考虑随机利率情形后,在股票价格发生跳跃的情形下,在考虑投资者风险厌恶程度对最优投资的影响后,股票投资会随着投资者风险厌恶系数的增大而减少,债券投资将随着的逐渐增大而增大,银行存款投资将随着的逐渐增大而减少。考虑投资期限对最优投资的影响时发现,随着投资期限的增加,股票投资不变,而债券会呈现出斜率逐渐减小的增加趋势,银行存款投资趋势正好与债券投资趋势相反。在考虑股票市场跳跃强度对最优投资的影响时发现,随着跳跃强度的不断变大,债券投资不发生变化,股票投资则呈现出递减的趋势,银行存款投资趋势则与股票投资趋势正好相反。并且,利用模糊随机理论,将金融市场突发事件发生的跳跃强度模糊化,形成一个向右偏的三角模糊数,在对数效用函数下,得到DC型养老基金管理者的最优投资区间。基金管理者的主观判断信度决定着投资品种的投资区间。当基金管理者的主观判断信度不断提高的时候,管理者在银行存款、债券和股票的投资区间会逐渐变窄,直到基金管理者的主观判断信度达到1时,银行存款、债券和股票的最优投资区间完全失去模糊性,它们的最优投资成为一个确定的数值。最后,针对现代金融市场中存在的卖空约束特征,将金融市场的卖空约束考虑在内,在经典的连续时间均值‐方差最优资产投资组合分析框架下,利用LQ方法构建均值‐方差模型。然后,将初始的均值‐方差模型资产投资组合问题转换为辅助均值‐方差模型问题。由于考虑卖空约束的存在,传统的极大值方法及鞅方法都不能直接应用。考虑到粘性解理论在具有非负约束随机LQ问题中的有效性,于是可以利用粘性解的理论方法来刻画最优资产投资组合问题,进而可以得到最优投资的有效解及有效前沿。结果表明,考虑风险资产价格发生跳跃情形后,风险资产价格跳跃现象对有效最优投资和有效前沿都将产生影响。并且,在与以往不考虑风险资产价格跳跃只考虑扩散问题的研究相似的是,如果DC型养老基金财富足够大,则基金管理者在风险资产的投资额由于卖空约束将保持为零,全部资产投资于无风险资产。总之,本文在DC型养老基金投资组合管理问题中,在考虑金融市场中影响投资者投资组合选择的三大主要因素:通胀、随机利率和卖空约束的影响下,充分考虑风险资产价格的跳跃特征,研究DC型养老基金的投资组合问题。本文的研究更符合当前金融市场DC型养老基金进行的投资组合选择过程,也为市场相关养老基金管理者进行投资管理提供了可供参考的模型和方法,具有较高的理论价值和现实意义。同时,随着我国养老基金逐渐地进入资本市场,本文的研究成果可为我国养老基金入市投资决策制定提供一定的参考。
曾懿亮[5]（2019）在《信息不对称视角下投资者信念、羊群行为与股市波动》文中认为我国股市经历了从2014年下半年至2015年上半年历史性大牛市后,于2015年6月开始进入股价崩盘、断崖式下跌阶段。股价开始下跌的两个月内,我国沪深两市股票总市值蒸发了20%。股市大盘从牛市上涨突转为崩盘暴跌,分析其原因是因为机构投资者先大量利用场内融资、场外配资推高杠杆造成股市出现牛市泡沫,吸引大量散户投资者入场,随后在股价崩盘期间抛售股票,利用融券卖出机制做空股市,引发市场恐慌。此过程中,投资者存在严重跟风的追涨杀跌行为,该羊群行为对于股市的波动起到了重要的影响。本文紧紧围绕我国股市中信息不对称视角下投资者信念的影响机制、羊群行为的产生与传导这一主题进行研究,并进一步使用羊群行为测度指标分析了我国股市的波动性与风险。由于已有文献对于羊群实证与理论模型联系较弱、存在脱节,且数据频率较低无法反应交易行为的情况,本文使用了基于可估计交易数据的不对称信息序贯决策交易模型,并在实证部分运用Tick档高频交易数据进行分析和计算羊群测度,弥补了已有文献研究方式的不足。本文主要研究分为三个方面,一是融资融券政策与我国股市中羊群行为的微观传导机制,二是交易规模与投资者信念和羊群行为的影响机理,三是羊群行为与我国股市波动的特征事实。上述三个研究方面从内在逻辑到实际应用均具有紧密的联系。首先,为了评估2015年8月3日我国沪深两市推出的“融券T+1还券”新政,同时为了引出全文使用的可估计羊群行为测度的理论模型,本文在第三章建立了一个贴合我国股市交易环境的序贯决策交易模型,为后续两章研究做理论铺垫,具体包括将涨跌停股价限制、卖空交易限制等设定引入模型,以限制交易者行为和股价变化范围,刻画我国股市的交易特征。在此模型基础上,本文通过理论模型命题的证明评估了融资融券新政对于我国股市交易者行为的影响,指出了卖空限制的存在将使证券市场上信息传递出现误导,加大卖方羊群动机,却从抑制卖方羊群动机转化行动的角度限制卖方羊群行为的发生。在理论模型得到的结论基础上,本文使用了基于可估计交易数据的不对称信息模型,对我国融资融券标的股2015年全年244个交易日的Tick档高频交易数据进行了计算和分析,并对模型参数进行了稳健性检验。结果显示,我国股市在2015年股灾后,相对于牛市阶段呈现出信息事件发生概率降低、利空消息增多、噪声交易者比例下降、私人信号准确率上升等特点,“融券T+1还券”新政推出后,卖方羊群行为的主要特征变量都出现了显着的下降,并且与融券卖出者下降的比例呈现正相关。以上结论表明,我国“融券T+1还券”新政有助于减少股市崩盘期间高强度、长时间的卖方羊群行为,抑制了恐慌情绪,起到了平稳股市的作用。这一章的研究一是为政策提供了理论和实证两方面的依据,二是为全文的理论模型提供了铺垫。其次,在第三章已有的理论模型基础上,本文在不对称信息下的序贯决策交易模型中引入了交易规模的设定,重点研究序贯决策中交易规模对于交易者投资信念的影响机制,以及羊群行为的产生机理,该方面研究主要是弥补了前人理论文献中对于交易规模与羊群行为的研究空白。本文通过信念迭代计算解出了两种均衡,分别是只有一种交易规模的单一均衡和大小额交易规模同时存在的混合均衡。通过创新定义变向羊群行为和加重羊群行为,结合大额交易、小额交易不同的信息结构,本文证明了混合均衡中,大额交易行为对于交易者信念的影响改变更显着,包含较多大额交易的信息结构将会引发加重羊群行为,形成交易规模的叠加。与以往理论模型和直觉不同的是,本文证明在信息不对称下的小额交易有可能对后续产生与交易方向相反的信念变化,而不再是“卖出即利空,买入即利好”的思维模式。这一结论具有理论创新意义。在实证层面,本文以验证理论模型结论为目的,使用上证50股票2013年12月至2015年12月490个交易日的Tick档高频交易数据构建了交易量、交易总信念、交易净总规模序列,并对总计3675个相关系数及显着性进行了分析。结果显示,交易量与交易信念、交易量与后续交易净总规模都存在较显着的正相关性,其中交易量与后续20-60期交易规模的相关系数达到最大值。该结论印证了交易规模对投资者信念具有影响的这一理论,另外,研究发现交易者行为的远期影响逐渐减弱。在大额交易与小额交易对于后续交易规模影响的分析中,大额交易的相关系数的绝对值和显着性均全面高于对应的小额交易,证明交易规模对于交易者的信念影响确实存在,这与理论模型的结论保持高度一致。最后,本文继续基于第三章的理论模型基础,构建了新的羊群测度指标,从时间维度和截面维度分别建立羊群行为频率、羊群行为强度指标,以衡量区间内个股的买方、卖方羊群行为。该羊群测度指标与理论模型联系紧密,可以反映出交易者逐笔交易行为高频的特征,与传统的羊群行为测度形成对比。随后,本文构建了非平衡面板双固定效应模型,使用上证50成份股2010年第一季度至2015年第四季度的相关数据,以新羊群行为频率、羊群行为强度为核心解释变量,对股价的波动性和股票的双风险进行了实证分析。结论主要可以归纳为两点:一,高频羊群行为中,买卖方在某一区间内存在主导方和次要方之分,主导方将起到加剧股价波动、加大股票风险的作用,而次要方则起到对冲作用;二,高频羊群行为相对于较低频的日度波动率数据和风险指标,具有加剧股价波动的影响,但是真正起到加剧作用的是高频羊群行为中买卖方的差值,两者差值越大,对股价加剧作用越显着。这一结论为实现我国股市平稳运行提供了新的思路,完善信息传导机制,使得短期的羊群行为对于股价波动的影响可以被对应的反方向羊群行为进行对冲,从而实现日内或短时间的股价回调或反弹,进而可以驱除股市泡沫或恐慌情绪,最终达到实现股市平稳运行的目标。
何妍[6]（2019）在《中国股票期权激励合约行权定价理论与实证研究》文中研究表明股权激励是公司解决委托代理问题的有效途径,行权价格的数值直接决定经理人的股权激励收益大小,行权定价是股权激励合约设计的核心环节。目前股权激励实践中存在的经理人公告日择时、激励期高送转以及高管操纵每股盈余等现象,本质是通过非合理方式操控行权价格提高股权激励的行权收益的行为。然而股权激励合约普遍采用的固定行权定价法无法匹配公司股价变化和经理人工作投入的关系,也无法实现股权激励收益与风险的对等。激励期过于刚性的行权价格表现不能确保管理者不受超出其控制的共同因素影响,违背了相对绩效评价原理,使得股权激励无法充分发挥激励作用。指数化定价方案能够较好地去除系统性因素的影响,但实践中并未被广泛接受和运用,对于指数化行权定价的影响因素、激励机制和激励效果的研究亟待进一步深化和完善。本文重点研究股权激励合约行权定价中指数化行权价格的激励机制、激励效果和应用推广等问题。在指数化定价机制分析中,首先,构建单指数绝对行权价格、单指数相对行权价格、多指数绝对行权价格和多指数相对行权价格模型,在此基础上把公司股票价格进行指数化分解以揭示指数化定价的内在机理;然后,运用数值分析方法研究相关系数、无风险利率、股价波动率、指数波动率、股票红利率和指数红利率等参数对行权价格的影响;接着,对B-S期权定价公式和指数化股票期权定价公式分别进行敏感性分析,通过（35）值对比分析不同定价方法的激励强度大小和特征。最后,对相关权威文献中多次用到的算例,进行了相同条件不同行权期限,单指数绝对（相对）行权价格与多指数绝对（相对）行权价格的测算和结果对比。从经理人和公司两种视角对激励效果进行分析,研究股权激励投入阶段经理人努力程度和风险承担度的变化,以及产出阶段行权价格对公司业绩、创新能力和盈余管理等方面的影响。针对努力程度和风险承担度不易量化的特征,采用博弈分析方法在Holmstrom-Milgrom参数化模型的基础上,构建植入股权激励项的委托-代理模型。在信息对称与信息不对称两种条件下,对比分析经典模型和改进模型中经理人努力程度和风险承担度的解析形式,从理论上展现了股权激励对经理人工作投入的激励效果。研究表明:不完全信息条件下经理人的最优努力水平小于等于完全信息条件下经理人的最优努力水平,不完全信息条件下即使风险厌恶,经理人也要承担一部分的风险。在不完全信息条件下,引入股权激励不仅会增加经理人的努力水平,也会增加经理人的风险承担比例,同时,经理人的收益也会通过股权激励的行权得到相应补偿。在行权价格对股权激励效果的实证分析中,构建行权价差比作为行权价格指标,与管理层持股比例一起从不同角度反映股权激励的强度,弥补了已有研究中激励强度只考虑数量而忽视单位激励强度的不足。对于公司产出效果的影响,选择公司业绩是因为它是衡量激励效果最直接和最广泛使用的指标。因为行权价格过高和过低时都会阻碍公司业绩的提升,所以采用多维固定效应模型构建行权价格与公司业绩的非线性面板计量模型进行研究。创新能力是公司未来发展潜力和行业地位的决定要素,在“大众创新、万众创业”的时代背景下,上市公司应该采取有效举措以实现持续性的创新产出。本文通过面板Logit模型来检验现阶段股权激励行权定价对于创新能力的影响,并通过胜算率（odds ratio）解读回归结果。另一方面,由管理者防御理论可知,股权激励有可能会诱发或加大经理人的盈余管理水平。盈余管理是高管利用信息优势选择有利于自身收益的财务披露方式,实质上是一种信息扭曲行为。股权激励对盈余管理的影响是从股权激励负效应的角度来审视股权激励的效果,从而使得研究结论更全面。中国股权激励起步比较晚,行权价格的确定以模仿国外经验为主,目前尚未发现中国上市公司股权激励推行中采用指数化行权定价方法的情况,说明指数化行权定价的应用推广明显滞后于理论研究。因此,本文在上述定价理论研究、定价效果的博弈和实证分析的基础上,针对科大讯飞公司已经成功实施的股权激励方案进行指数化行权价格的改进。研究发现,单指数行权价格在一定程度上缩小了波动率,增大了夏普比,说明指数化行权价格在去除系统性因素对于公司股票价格的影响后,有利于激励对象获取相对稳定而高额的激励收益。双指数行权价格由于更好地剔除了股票价格中的系统性风险,因此波动率更小、夏普比更大。指数化行权价格能够改善行权价格过于刚性的表现和行权价格与业绩倒挂的现象。即使对于已成功实施的股权激励案例,指数化行权价格的运用也能够改善激励效果,规避经理人采用高送转等方式单向下调行权价格获取不当收益的情况。通过上述研究,本文得到如下主要结论:（一）在不完全信息条件下,股权激励有助于增加激励对象工作努力程度和风险承担水平,有助于改善激励投入效率,提供公司激励产出和个人收益提升的原始动能。股权激励方案具有普遍适用性,对于存在委托代理问题的公司来说,选择推行股权激励是明智的。（二）股权激励存在最优行权价格区间,行权价格与公司业绩之间存在倒“U”型二次曲线关系。股权激励行权定价不当存在诱发盈余管理的可能性,二者之间存在正相关关系。股权激励行权价格对于公司创新产出有显着影响,但是目前阶段对于创新产出的正向作用还存在巨大提升空间。（三）指数化行权定价可以较好地剔除公司股票价格中的系统性风险。与B-S传统期权定价方法相比,在授予相同股权激励数量时,指数化期权定价方法的激励强度较低,但在授予总金额相同的股权激励时,对应的指数化期权数量高于传统期权数量,总体来说,指数化期权定价的激励强度大于B-S定价。（四）公司股价与指数间的相关系数、市场的无风险利率、股票和指数的瞬时波动率、连续红利率等参数通过影响系统性风险系数?和公司成长能力η影响行权价格,指数化行权价格的数值大小与?和η均成正比,而?的影响作用大于η。（五）成功实施的股权激励也存在行权价格改进的空间。指数化定价对行权价格的平滑处理有效解决了固定行权价格激励期表现过于刚性的问题,改善行权价格与公司业绩倒挂,激励期单边阶梯下调的情况,有助于上市公司实现激励与监管并重、收益与投入相匹配的公平薪酬激励目标。本文从股权激励行权定价问题出发,在理论研究、实证分析、指数化行权价格应用和激励效果测度几个方面进行创新:（一）着眼于股权激励行权定价问题,弥补了单纯地从持股数量来衡量激励强度的片面性。股权激励强度由激励数量和行权价格共同决定,激励效果的分析需要从股权激励合约本身着手,行权定价就是直接关系到合约双方收益的关键一环。（二）植入股权激励项改进了委托代理模型,在经典委托代理模型的基础上,用股权激励数量×（股票价格-行权价格）来代表经理人薪酬中的股权激励收益,这种把激励与一般奖金区别开的处理有助于独立分析股权激励行权价格对于经理人努力程度、风险分担的影响。（三）构建行权价差比作为股权激励行权价格指标,实证研究股权激励强度对公司业绩、创新能力以及盈余管理方面的影响。在满足充足信息量原则的前提之下,股权激励强度不仅包含股权激励数量,还增加了代表单位激励强度的行权价格指标,丰富了已有激励效果的研究结论。（四）指数化行权定价不仅针对定价机制、激励强度进行数理推导和数值模拟,还对指数化行权价格在股权激励实践中的运用进行实例测算和案例分析,发挥定价理论对实践的指导作用。
刘志东,刘雯宇,阮禹铭[7]（2019）在《Lévy过程驱动非高斯OU随机波动率下的期权定价》文中认为考虑金融时间序列发生的跳跃、随机波动率和"杠杆效应",建立由不同Lévy过程驱动的非高斯OU随机波动模型.通过结构保持等价鞅测度变换和FFT技术,对不同Lévy过程驱动下的非高斯OU（non-Gaussian Ornstein-Uhlenbeck process）期权定价问题进行研究.同时,在结构保持等价鞅测度下,推导出不同Lévy过程驱动下BNS模型离散化表达形式,并构建了基于SMC（sequential Monte Carlo）的极大似然估计、联合样本估计、梯度-SMC估计的非高斯OU期权定价模型参数估计方法.实证研究中,采用近470万个S&P500期权价格数据,从样本内拟合效果、样本外预测、模型稳定性、综合矫正风险几个方面,对不同Lévy过程驱动的非高斯OU期权定价模型、参数估计方法以及期权定价效果进行全面系统研究.实证研究表明,所有模型对实值期权的定价效果要优于虚值期权.本文基于联合样本估计和梯度-SMC估计的非高斯OU期权定价模型具有明显的优势.
史峰[8]（2018）在《金融媒体新闻情绪及其对股市影响研究》文中进行了进一步梳理资产组合理论是现代金融学的重要基石,该理论的两个重要假设是投资者理性和有效市场假说,资本组合理论和其后出现的资本资产定价模型、套利定价理论和期权定价模型等一起构成了现代金融学理论体系。随着世界范围内资本市场的快速发展,金融衍生品数量的不断增加以及金融市场交易者的快速增长,有效市场假说从理论和实证方面都受到了挑战,难以解释金融市场中出现的种种异象。行为金融学把包括心理学在内的行为科学理论融入到金融学中,是一门新兴的边缘学科,该学科通过微观个体行为以及产生该行为的心理因素等动因来解释、研究和预测金融市场的发展变化。金融市场情绪研究是行为金融学研究的重要领域,随着金融信息数量的增加和可得性的提升,在计算机技术和大数据技术的推动下,金融市场情绪研究已经受到了学术界的普遍关注,并且涌现出了以投资者情绪、情绪指数、新闻情绪为代表的一大批学术成果。本文系统性的回顾了新闻情绪研究相关文献,使用新闻文本数据库和新闻情感数据库,从理论模型研究、新闻文本情绪研究、个股新闻情绪研究、指数新闻情绪研究等四个层次研究了金融新闻情绪和金融市场的关系,本文主要研究内容如下:理论模型研究:在论述行为金融学定义、发展历程和研究主题的基础上,从投资者异质性的角度出发,分别构建投资者同质均衡价格模型和投资者异质均衡价格模型,推导投资者同质和异质条件下均衡价格,讨论新闻情绪对于均衡价格的影响。新闻文本情绪研究:在比较多种情感词字典的基础上研究基于“文字包”的金融新闻情绪量化方法,采用洛克伦和麦克唐纳金融字典抽取金融新闻情感词,并通过正面和负面情感词数占新闻总词数比例量化新闻正面和负面情绪。采用包括朴素贝叶斯、支持向量机和神经网络在内的机器学习算法和“文字包”算法识别新闻的类别,并比较各种算法新闻情绪分类算法准确率。个股新闻情绪研究:在使用洛克伦和麦克唐纳金融字典量化金融新闻情绪的基础上,研究基于新闻文本数据库的新闻情绪对于个股收益率的影响和周末情绪积累效应,并对比新闻情绪对于中美股市影响的差别。研究公告对于媒体新闻报道时间分布的影响,发现新闻报道时间分布具有比较强的公告聚集效应,以及公告的情绪加强效应。研究个股新闻情绪对于股票波动率的影响,并且构建基于个股新闻情绪的股票交易策略,实证验证基于新闻情绪的股票交易策略具有稳定的收益。新闻情绪指数研究:研究基于新闻情感数据库的月度市场情绪指数构建方法,使用非确定方法构建了第一动量情绪指数和第二动量情绪指数,实证验证情绪指数具有较强的SP500指数收益率预测能力。在验证共同基金收益和新闻情绪指数相关性的基础上,构建基于新闻情绪指数的共同基金投资组合,实证验证该投资组合具有稳健的收益。本文的研究表明,金融市场情绪能够通过影响投资者情绪和交易行为,从而影响个股收益率、波动率和指数收益率。对于我国不成熟的股票市场来说,由于投资者中散户较多,更容易受到新闻情绪的干扰,因此相关监管机构需要密切关注市场情绪变化,并且及时采取措施防止因为情绪造成的市场大涨大跌。
樊颖[9]（2018）在《不确定性视角下中国城镇居民住房决策机制的研究》文中研究指明不确定性是经济主体进行活动和决策的固有环境,基于住房市场握不确定环境下经济主体行为的内在规律,对于促进中国房地产市场发展和宏观经济金融稳定具有重要意义。论文基于不确定性下的中国居民住房决策,深入分析不确定性的内涵和来源;通过构建中国特征的动态随机均衡模型和微观理论/实证研究框架,探讨不确定性对中国居民住房和抵押贷款需求影响的宏观效应和微观机制。论文首先依据现有文献提炼了居民住房决策的内生和外生影响因素,进一步结合中国收入分配制度变革、社会保障体制改革以及利率政策和信贷政策调整,初步确定以收入和消费不确定性为代表的经济不确定性、以利率和信贷不确定性为代表的政策不确定性为影响中国城镇居民住房决策的核心不确定性。在此基础上,论文构建了一个新凯恩斯主义动态随机一般均衡模型,对影响中国居民家庭住房需求和抵押贷款需求的不确定冲击的宏观效应进行了模拟和比较。通过对于核心路径的分析发现,居民住房需求主要受到收入和消费不确定性的影响;居民抵押贷款需求主要受到收入和信贷政策不确定性的影响;同时分析发现不确定冲击的宏观效应具有频域依赖特征,且在不同房地产市场摩擦环境下存在差异。论文进一步引入中国特殊的人力资本与政府公共产品供给特征,以及社会资本和非正规借贷市场特征,应用微观数据分析和测定了不确定性下中国居民住房需求和抵押贷款需求决策的微观机制及其异质性。在居民住房需求方面,本文发现,第一,住房可以作为抵御收入不确定性的工具,收入不确定性对住房需求的影响在不同流动性约束家庭间存在异质性;第二,相比于收入不确定性,中国城镇居民对于消费不确定性更加敏感,当住房资产抵御消费不确定性的能力越强时,住房需求增加,此外,对于政府公共产品供给较少的地区,住房资产作为抵御消费不确定性工具的作用更加显着。在居民住房抵押贷款需求方面,本文发现,第一,对于高金融素养家庭而言,当其收入不确定性越高时,家庭非正规借款对于居民抵押贷款需求的挤出效应越弱;第二,对于社会资本平均成本越高的地区,当信贷政策不确定性越高时,家庭非正规借款对抵押贷款需求的挤出效应越强。最后,论文从保障房地产市场持续发展和宏观经济金融稳定的角度,针对居民住房需求、抵押贷款需求和房地产市场建设等问题提出针对性政策建议。
宫晓莉[10]（2017）在《基于Lévy跳跃过程、随机波动模型的期权定价与风险管理研究》文中研究表明自B-S期权定价模型提出以来,如何提高期权定价的精确性成为了日益关注的问题。该模型假设资产收益率服从正态分布,并通过连续交易对冲期权风险。而大量的金融市场实证研究均发现,金融时间序列数据表现出强烈的非正态性,金融资产收益并不服从正态分布,相较于正态分布,存在尖峰厚尾性。金融市场存在着多项B-S期权定价模型无法解释的金融异象,如期权波动率微笑之谜,收益率和波动率之间具有非对称的相关性,即杠杆效应,以及波动率集聚性等。如何合理的刻画基础资产动态特征,构建模型从而为期权准确地定价,即具有实际背景又具有理论意义。因而,近年来期权定价的研究均致力于构建克服B-S期权定价模型缺陷的替代模型。学者们尝试构造具有独立同分布增量的Lévy过程来替换布朗运动。使用Lévy族分布函数能捕获金融收益分布的尖峰、厚尾特征,尤其是股指的跳跃特征和收益率分布的非对称特征。为刻画资产收益率的随机波动特征,将均值回复的平方根过程嵌入到模型中,同时引入一类调和稳定Lévy分布模型,构建起调和稳定Lévy分布下的随机波动模型。调和稳定Lévy分布下的随机波动模型拓展了原有的随机波动模型框架,可以为衍生品定价和风险管理提供广泛的建模思路。同时,金融自由化背景下的股票市场风险成为实务界、学术界和监管机构的关注对象。金融衍生品市场环境的变化、波动等因素,会导致衍生品价值的波动,进而引起股市发生剧烈波动。因此,使用所构建的新模型对金融市场进行风险评估具有现实意义。将所重构的调和稳定Lévy分布下的随机波动模型进一步应用到风险管理领域。针对股指收益率时间序列的尖峰厚尾特征和异方差现象,在风险价值VaR与条件风险价值CVaR的实证研究中,先后引入了调和稳定Lévy分布与随机波动模型进行风险测度,进而引入copula连接函数讨论Lévy-copula模型下的多目标投资组合优化问题。随着信息技术的快速发展和经济全球化的不断深入,以互联网通讯技术为基础的电子化交易市场已成为金融市场的主要组织形式,分析高频数据中包含的证券价格短期行为和动态特征对投资者改进期权交易策略、提高风险管理能力至关重要。本文将结合低频数据与高频数据,研究标的资产价格过程服从调和稳定Lévy分布下随机波动过程的期权定价和风险管理问题。考虑到股指收益时间序列的跳跃、波动特征分析对股指期权定价、风险测度研究至关重要,先采用非参数检验对资产价格过程的路径特征展开分析。然后分别基于离散时间框架和连续时间框架下的Lévy随机波动模型进行欧式期权和美式期权定价的实证研究,接着利用调和稳定Lévy随机波动模型进行风险测度和多目标投资组合优化研究。具体内容如下:（1）基于非参数统计方法,利用考虑金融资产价格跳跃和杠杆效应的时点波动估计方法修正已实现阈值幂变差,构造甄别跳跃的检验统计量,对金融资产价格中的随机波动、有限活跃跳跃和无限活跃跳跃等跳跃活动率问题进行综合研究。为同时吸收波动率的异方差集聚效应和收益率的非对称效应,对原有的已实现波动率异质自回归预测模型（HAR-RV）进行拓展,将非对称的异质性自回归模型的误差项设定为GARCH模型,以考察跳跃波动序列与连续波动序列之间的复杂关系。利用沪深股指高频数据进行实证研究,包括进行跳跃识别,跳跃活动程度检验和波动率预测效果对比。研究发现:股指同时存在跳跃,随机波动和布朗运动成分,连续性波动在股指波动中占据主体,突发性跳跃成分占比较小。其中,跳跃构成成分中无限活跃的小型跳跃居多,有限活跃的大型跳跃较少。（2）假设新息随机因子服从非高斯Lévy分布,将反映金融资产高阶矩偏度和峰度特征的NGARCHSK模型与刻画金融资产价格变化纯跳跃现象的Lévy过程相结合,描述了资产收益率无限跳跃情形下的时变性,以有效捕获金融资产收益率尖峰有偏和杠杆效应。收益率时间序列分析验证了 Lévy分布刻画尖峰厚尾能力的优越性。结合波动率的高阶矩特征进行等价鞅测度变化,对我国内地首只股票期权进行定价,对比了数值积分的cosine定价方法与采用从属过程蒙特卡洛模拟定价方法的效率。研究发现:非高斯Lévy分布恰当地刻画了金融数据尖峰有偏的统计特性。其中,调和稳定模型拟合的效果最佳,准确地捕捉了金融数据尖峰和肥尾程度。（3）为同时捕获金融收益率分布的尖峰、厚尾、有偏特性及波动率扩散中的异方差效应、集聚效应,联合刻画股价动态演变中的无限跳跃变化,将无限活跃纯跳跃Lévy分布中的经典调和稳定分布（CTS）引入平方根CIR模型为基础的随机波动率（SV）过程,建立了经典调和稳定分布下的随机波动（CTSSV）模型,重构了纯跳跃Lévy分布驱动的随机波动（LVSV）模型框架。利用LVSV模型特征函数表达式,采用分数阶快速傅里叶变换（FRFT）方法推导了欧式期权定价公式。由于模型参数众多和目标函数高维积分困难,提出了多区域自适应粒子群优化算法（MAPSO）估计LVSV模型参数。利用FRFT技术和MAPSO参数估计结果,使用CTSSV模型和方差伽马随机波动（VGSV）模型对恒生指数期权数据进行欧式期权定价和方差-最优期权套期保值。研究发现,相比于VGSV模型,CTSSV模型期权定价和套期保值误差更小,用于衍生品建模和套期保值效果更稳健。MAPSO算法增加了粒子多样性,用于参数估计估计精度提高。（4）假设股票价格过程服从时变调和稳定Lévy过程,提出了美式期权定价的新方法。将随机时间变化嵌入到正态调和稳定分布中,构建了调和稳定随机波动模型。新模型在允许基础资产无限活跃跳跃的同时能捕获随机波动率的随机时变性,因此适合于反映金融收益率的实证现象,如尖峰厚尾、有偏性和波动率集聚效应等。利用傅里叶-cosine技术计算美式期权,使用改进的粒子群优化算法进行参数校正。为论证所构建模型的有效性,使用金融市场美式期权实际数据进行了实证研究。实证研究表明时变调和稳定过程在美式期权定价拟合中具有灵活的结构,既包含跳跃成分又允许波动率动态的存在。将平方根时间变化引入到调和稳定分布中能有效地提高美式期权定价的效果。（5）金融市场基础资产收益率时间序列呈现出尖峰厚尾、非对称、集聚效应和异方差属性,应用调和稳定Lévy过程驱动的随机波动模型构建起时变调和稳定Lévy过程（TSSV）进行金融风险测度和投资组合调整。利用解析的特征函数和快速傅里叶变换（FFT）技术,得到了收益率概率密度函数的解析形式,进而推导出了 TSSV模型下的风险价值VaR条件风险价值CVaR的计算公式。最后,为预测极值事件和市场波动性,对恒生指数进行实证研究,利用TSSV模型测度风险,并基于风险调整的收益风险股票选择准则构建投资组合。对恒生指数VaR和CVaR风险预测进行后验分析发现,TSSV模型在风险度量中具有良好的预测能力,适合于进行金融风险测算。（6）考虑到证券投资组合优化中金融资产收益率分布的尖峰厚尾特性和多项基础资产变量之间非线性的相依结构,以调和稳定分布为边际分布,以copula函数描述变量间相关性,在投资组合优化的背景下提出了调和稳定分布下带copula相依结构的多目标投资组合优化模型,研究TS分布与不同copula函数耦合下的建模能力。所提出的多目标投资组合优化旨在最大化收益的同时最小化风险,寻找非占优Pareto前沿。进而使用三种多目标优化算法NSGA-Ⅱ、SPEA-Ⅱ和MOPSO算法求解带约束的TS copula多目标投资优化问题,并对我国沪市股指成分股和沪深股指收益率进行了实证应用分析。实证研究发现,金融资产收益率不符合正态分布,风险相依性呈现非对称结构,基于粒子群的多目标智能优化算法适合于求解TS-copula类型的多目标投资组合问题。最后,总结了全文的结论,指出了研究的局限和未来的研究方向。
二、离散时间不完金融市场中期权定价的效用极大化方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、离散时间不完金融市场中期权定价的效用极大化方法（论文提纲范文）
（1）上证50ETF期权市场波动率风险溢价研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及述评 |
| 1.3.1 随机波动率模型与期权定价 |
| 1.3.2 波动率风险溢价的信息特征 |
| 1.3.3 波动率风险溢价与市场收益 |
| 1.3.4 波动率风险溢价的影响因素 |
| 1.3.5 国内外研究评述 |
| 1.4 研究思路与结构安排 |
| 1.4.1 研究思路 |
| 1.4.2 结构安排 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 波动率风险溢价的理论研究 |
| 2.1 波动率风险溢价的理论依据与思考 |
| 2.1.1 传统金融学理论与思考 |
| 2.1.2 行为金融学理论与思考 |
| 2.1.3 市场微观结构理论与思考 |
| 2.2 波动率风险溢价的数理模型及优化 |
| 2.2.1 随机波动率模型 |
| 2.2.2 参数估计方法及优化 |
| 2.3 波动率风险溢价的形成机理分析 |
| 2.4 本章小结 |
| 第3章 随机波动率模型的参数估计及市场特征分析 |
| 3.1 引言 |
| 3.2 数据选择与预处理 |
| 3.2.1 现货市场数据 |
| 3.2.2 期权市场数据 |
| 3.3 参数估计 |
| 3.3.1 现货市场的参数估计 |
| 3.3.2 期权市场的参数估计 |
| 3.4 模型评价 |
| 3.4.1 DIC准则评价 |
| 3.4.2 期权定价评价 |
| 3.5 市场特征分析 |
| 3.5.1 现货市场的特征分析 |
| 3.5.2 期权市场的特征分析 |
| 3.6 研究结果与讨论 |
| 3.7 本章小结 |
| 第4章 波动率风险溢价的信息特征分析 |
| 4.1 引言 |
| 4.2 波动率风险溢价的测度 |
| 4.2.1 方差互换法 |
| 4.2.2 期权定价法 |
| 4.3 波动率风险溢价之谜 |
| 4.3.1 波动率风险溢价的时变特征 |
| 4.3.2 波动率风险溢价与资产跳跃行为 |
| 4.3.3 波动率风险溢价与投资者行为 |
| 4.3.4 波动率风险溢价与期权定价 |
| 4.4 研究结果与讨论 |
| 4.5 本章小结 |
| 第5章 波动率风险溢价与股票收益关系分析 |
| 5.1 引言 |
| 5.2 波动率风险溢价与市场收益率相关性分析 |
| 5.2.1 相关性模型 |
| 5.2.2 预处理 |
| 5.2.3 秩相关性检验 |
| 5.2.4 尾部相关性检验 |
| 5.3 波动率风险溢价对市场收益率的预测分析 |
| 5.3.1 波动率风险溢价对收益的跨期预测 |
| 5.3.2 波动率风险溢价对收益率预测的非对称性 |
| 5.4 研究结果与讨论 |
| 5.5 本章小结 |
| 第6章 波动率风险溢价的影响因素分析 |
| 6.1 引言 |
| 6.2 市场微观结构变量对波动率风险溢价的影响 |
| 6.2.1 研究假设 |
| 6.2.2 数据来源 |
| 6.2.3 变量说明 |
| 6.2.4 模型构建 |
| 6.2.5 市场微观结构变量对波动率风险溢价的影响分析 |
| 6.3 宏观经济信息对波动率风险溢价的影响 |
| 6.3.1 研究假设 |
| 6.3.2 数据来源 |
| 6.3.3 变量说明 |
| 6.3.4 模型构建 |
| 6.3.5 宏观经济信息对波动率风险溢价的影响分析 |
| 6.4 波动率风险溢价影响因素的贡献度分析 |
| 6.4.1 模型构建 |
| 6.4.2 相关性及多重共线性分析 |
| 6.4.3 结果分析 |
| 6.5 研究结果与讨论 |
| 6.6 政策建议 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（2）植物品种权证券化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题依据 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.4 研究内容 |
| 1.5 研究方法与技术路线 |
| 1.6 论文创新点 |
| 2 植物品种权证券化概念界定与理论框架 |
| 2.1 植物品种权证券化内涵界定 |
| 2.2 植物品种权证券化的要素与运作流程 |
| 2.3 植物品种权证券化相关理论与理论框架 |
| 2.4 本章小结 |
| 3 植物品种权证券化方式 |
| 3.1 主要国家知识产权证券化方式 |
| 3.2 植物品种权证券化的主要方式 |
| 3.3 植物品种权证券化股权众筹 |
| 3.4 本章小结 |
| 4 植物品种权证券化定价 |
| 4.1 植物品种权证券化定价基础 |
| 4.2 植物品种权证券化定价方法 |
| 4.3 植物品种权证券化定价模型构建与分析 |
| 4.4 植物品种权证券化价格仿真分析 |
| 4.5 本章小结 |
| 5 植物品种权证券化风险 |
| 5.1 植物品种权证券化的风险形成与传导 |
| 5.2 植物品种权证券化风险测度 |
| 5.3 基于区间直觉模糊梯形的植物品种权证券化风险分析 |
| 5.4 本章小结 |
| 6 植物品种权证券化管理策略 |
| 6.1 运用金融科技手段,实现植物品种权证券化创新发展 |
| 6.2 构建合理有效的金融监管体系,防范金融风险 |
| 6.3 规范交易市场,维护植物品种权证券化有效运行 |
| 6.4 优化资源配置,提供良好的植物品种权证券化投融资环境 |
| 6.5 加强政策法规建设,保障植物品种权证券化高效发展 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录1 植物品种权证券化调查问卷 |
| 附录2 植物品种权证券化风险因素调查问卷 |
| 附录3 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）上证50ETF期权隐含波动率曲面构建与Delta套期保值研究（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 文献综述 |
| 1.3.1 期权定价理论文献综述 |
| 1.3.2 期权波动率理论文献综述 |
| 1.3.3 隐含波动率曲面文献综述 |
| 1.3.4 期权Delta中性套期保值文献综述 |
| 1.4 研究方法和内容 |
| 第2章 随机波动率理论和隐含波动率曲面 |
| 2.1 随机波动率期权定价模型 |
| 2.1.1 Heston随机波动率期权定价模型 |
| 2.1.2 引入“跳”过程的随机波动率期权定价模型 |
| 2.2 隐含波动率曲面特征和构建 |
| 2.2.1 波动率微笑和期限结构 |
| 2.2.2 参数模型构建隐含波动率曲面 |
| 2.2.3 插值法构建波动率曲面 |
| 2.2.4 半参数模型构建隐含波动率曲面 |
| 2.3 构建隐含波动率曲面的现实需求 |
| 第3章 上证50ETF隐含波动率曲面模型的实证研究 |
| 3.1 上证50ETF期权基本要素与数据描述 |
| 3.1.1 上证50ETF期权基本要素 |
| 3.1.2 数据预处理 |
| 3.1.3 描述性统计 |
| 3.2 隐含波动率曲面实证分析 |
| 3.2.1 最优模型选择 |
| 3.2.2 调整参数修正 |
| 3.2.3 参数时间序列特征 |
| 3.4 指数平滑法外推预测检验 |
| 3.4.1 指数平滑法预测原理 |
| 3.4.2 指数平滑法预测分析 |
| 第4章 基于隐含波动率曲面期权Delta中性套期保值策略及检验 |
| 4.1 上证50ETF期权Delta中性套期保值策略原理 |
| 4.1.1 Delta中性套期保值原理 |
| 4.1.2 模型的假设 |
| 4.2 期权Delta动态套期保值策略 |
| 4.2.1 模型的建立 |
| 4.2.2 Delta套期保值策略模拟 |
| 4.2.3 Delta-Gamma的套期保值模拟 |
| 4.3 Delta套期保值的策略效果论证 |
| 第5章 结论与政策建议 |
| 5.1 结论 |
| 5.2 完善期权市场建设的相关政策建议 |
| 5.2.1 增强市场透明度 |
| 5.2.2 建立合理的期权市场参与者结构 |
| 5.2.3 丰富期权品种体系 |
| 参考文献 |
| 在学期间发表的学术论文与研究成果 |
| 后记 |
（4）基于PJD过程的DC型养老基金投资组合模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要缩略词、符号变量注释表 |
| 第1章 绪论 |
| 1.1 本文研究的背景及意义 |
| 1.2 国内外相关研究综述 |
| 1.2.1 通胀约束相关的DC型养老基金投资组合问题研究 |
| 1.2.2 随机利率约束相关的DC型养老基金投资组合问题研究 |
| 1.2.3 其它约束条件相关的DC型养老基金投资组合问题研究 |
| 1.2.4 基于PJD过程及其在DC型养老基金投资组合问题中的相关研究 |
| 1.2.5 述评 |
| 1.3 本文主要研究内容、研究方法和框架体系 |
| 1.3.1 本文主要的研究内容 |
| 1.3.2 本文的研究方法 |
| 1.3.3 本文研究的技术路线与章节安排 |
| 1.4 本文的创新之处 |
| 第2章 相关理论及方法回顾 |
| 2.1 DC型养老基金投资组合相关理论内涵 |
| 2.1.1 DC型养老基金投资组合相关基础理论 |
| 2.1.2 不同约束条件下DC型养老基金投资组合理论内涵 |
| 2.2 基于PJD过程的DC型养老基金投资组合中风险资产价格建模的基本方法 |
| 2.2.1 DC型养老基金投资组合中风险资产价格跳跃的Poisson过程 |
| 2.2.2 DC型养老基金投资组合中风险资产价格跳过程的It?-Doeblin公式 |
| 2.3 基于PJD过程的DC型养老基金投资组合目标建模的基本方法 |
| 2.3.1 DC型养老基金投资组合目标建模的随机最优控制基本方法 |
| 2.3.2 基于PJD过程的DC型养老基金投资组合目标建模的基本方法 |
| 第3章 通胀约束下基于PJD过程的DC型养老基金投资组合模型研究 |
| 3.1 通胀约束下基于PJD过程的DC型养老基金投资组合建模分析 |
| 3.1.1 通胀约束下基于PJD过程的DC型养老基金投资组合建模原则 |
| 3.1.2 通胀约束下基于PJD过程的DC型养老基金投资组合建模要素分析 |
| 3.2 通胀约束下基于PJD过程的DC型养老基金投资组合模型构建 |
| 3.3 通胀约束下基于PJD过程的DC型养老基金投资组合模型求解 |
| 3.4 通胀约束下基于PJD过程的DC型养老基金投资组合的模糊性拓展分析 |
| 3.4.1 模糊随机分析 |
| 3.4.2 基于对数效用函数的投资组合模糊性拓展分析 |
| 3.5 通胀约束下基于PJD过程的DC型养老基金投资组合模型仿真验证分析 |
| 3.6 通胀约束下基于PJD过程的DC型养老基金投资组合模型应用策略 |
| 3.7 本章小结 |
| 第4章 随机利率约束下基于PJD过程的DC型养老基金投资组合模型研究 |
| 4.1 随机利率约束下基于PJD过程的DC型养老基金投资组合建模分析 |
| 4.1.1 随机利率约束下基于PJD过程的DC型养老基金投资组合建模原则 |
| 4.1.2 随机利率约束下基于PJD过程的DC型养老基金投资组合建模要素分析 |
| 4.2 随机利率约束下基于PJD过程的DC型养老基金投资组合模型构建 |
| 4.3 随机利率约束下基于PJD过程的DC型养老基金投资组合模型求解 |
| 4.4 随机利率约束下基于PJD过程的DC型养老基金投资组合的模糊性拓展分析 |
| 4.4.1 模糊随机分析 |
| 4.4.2 基于对数效用函数的投资组合模糊性拓展分析 |
| 4.5 随机利率约束下基于PJD过程的DC型养老基金投资组合模型仿真验证分析 |
| 4.6 随机利率约束下基于PJD过程的DC型养老基金投资组合模型应用策略 |
| 4.7 本章小结 |
| 第5章 卖空约束下基于PJD过程的DC型养老基金投资组合模型研究 |
| 5.1 卖空约束下基于PJD过程的DC型养老基金投资组合建模分析 |
| 5.1.1 卖空约束下基于PJD过程的DC型养老基金投资组合建模原则 |
| 5.1.2 卖空约束下基于PJD过程的DC型养老基金投资组合建模要素分析 |
| 5.2 卖空约束下基于PJD过程的DC型养老基金投资组合模型构建 |
| 5.3 卖空约束下基于PJD过程的DC型养老基金投资组合模型求解 |
| 5.4 卖空约束下基于PJD过程的DC型养老基金投资组合模型应用策略 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文及参加的科研项目 |
（5）信息不对称视角下投资者信念、羊群行为与股市波动（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 导论 |
| 1.1 研究背景 |
| 1.2 研究问题 |
| 1.3 研究意义 |
| 1.4 研究内容 |
| 1.5 研究创新 |
| 第2章 文献综述 |
| 2.1 羊群行为的理论模型 |
| 2.1.1 羊群行为的基本模型(Bikhchandani,Hirshleifer and Welch模型) |
| 2.1.2 BHW羊群行为模型的局限性 |
| 2.1.3 金融市场中的羊群行为模型 |
| 2.2 金融市场中羊群行为的实证研究与实验研究 |
| 2.2.1 羊群行为测度与实证研究 |
| 2.2.2 金融市场中羊群行为的实验方法研究 |
| 2.2.3 羊群行为理论与实证证据联系的前沿研究成果 |
| 2.3 竞价市场制度相关文献 |
| 2.4 投资同质化行为对股价波动的影响 |
| 2.4.1 机构投资者同质化与股市波动 |
| 2.4.2 股市政策、投资者行为与股市波动 |
| 第3章 融券卖出与羊群行为的微观机制分析——基于可估计交易数据的不对称信息模型 |
| 3.1 引言 |
| 3.2 理论模型 |
| 3.2.1 模型设定 |
| 3.2.2 羊群行为定义与发生机制 |
| 3.2.3 羊群行为与价格扭曲效应 |
| 3.3 似然函数与羊群特征识别 |
| 3.3.1 似然函数 |
| 3.3.2 羊群特征识别 |
| 3.4 数据处理与统计描述 |
| 3.5 实证估计结果分析 |
| 3.5.1 模型参数估计结果 |
| 3.5.2 羊群行为频率与强度 |
| 3.6 沪深融资融券标的股多支股票数据稳健性实证 |
| 3.6.1 沪深融资融券标的股40 支股票估计结果描述性统计 |
| 3.6.2 模型参数理论影响验证与作用分析 |
| 3.7 本章小结 |
| 本章附录 |
| 第4章 序贯决策交易模型中交易规模、投资者信念与羊群行为 |
| 4.1 引言 |
| 4.2 理论模型构建 |
| 4.2.1 交易环境 |
| 4.2.2 股票价值 |
| 4.2.3 交易者 |
| 4.2.4 做市商 |
| 4.2.5 信息交易者的行为决定 |
| 4.2.6 做市商的信念与定价 |
| 4.2.7 信息交易者的信念 |
| 4.3 均衡定义与条件 |
| 4.4 交易规模与羊群行为 |
| 4.4.1 交易规模与投资者信念 |
| 4.4.2 混合均衡中的羊群行为 |
| 4.5 日高频交易量序列的实证检验 |
| 4.5.1 交易量序列的检验方法 |
| 4.5.2 数据来源与处理 |
| 4.5.3 交易规模与信念相关性分析 |
| 4.5.4 交易规模与后续交易量相关性分析 |
| 4.6 本章小结 |
| 本章附录 |
| 第5章 信息不对称下高频交易羊群行为与股价波动风险 |
| 5.1 引言 |
| 5.2 高频交易羊群行为测度与研究假说 |
| 5.2.1 高频交易羊群行为测度 |
| 5.2.2 研究假说 |
| 5.3 研究设计与实证模型 |
| 5.3.1 股价波动性 |
| 5.3.2 股票风险 |
| 5.3.3 控制变量 |
| 5.3.4 实证模型 |
| 5.4 数据样本与指标描述性统计 |
| 5.5 实证结果分析 |
| 5.5.1 研究假设H1 的实证检验 |
| 5.5.2 研究假设H2 的实证检验 |
| 5.5.3 研究假设H3 和假设H4 的实证检验 |
| 5.5.4 研究假设H5 的实证检验 |
| 5.5.5 稳健性检验 |
| 5.6 本章小结 |
| 第6章 结论与研究展望 |
| 6.1 主要结论 |
| 6.2 政策建议 |
| 6.3 进一步研究方向 |
| 参考文献 |
| 后记 |
（6）中国股票期权激励合约行权定价理论与实证研究（论文提纲范文）
| 摘要 |
| abstract |
| 导论 |
| 一、研究背景与意义 |
| 二、基本概念及研究范围 |
| 三、研究综述 |
| 四、研究思路、研究方法及技术路线 |
| 五、论文结构安排与创新点 |
| 第一章 研究的理论基础 |
| 第一节 股权激励的相关理论 |
| 一、委托-代理理论 |
| 二、人力资本理论 |
| 三、代理成本理论 |
| 四、行为金融理论 |
| 第二节 期权定价理论 |
| 一、二叉树期权定价方法 |
| 二、蒙特卡洛数值模拟定价方法 |
| 三、B?S期权定价方法 |
| 四、有限差分方法 |
| 第三节 股权激励效果评价 |
| 一、股权激励的信息量及原则 |
| 二、股权激励投入效果与产出效果评价 |
| 本章小结 |
| 第二章 中国股权激励的发展及现状分析 |
| 第一节 中国股权激励的发展历程 |
| 一、资本市场的发展 |
| 二、股权激励的发展 |
| 第二节 股权激励的基本模式及特点分析 |
| 一、股票期权模式 |
| 二、限制性股票 |
| 三、股票增值权 |
| 四、股权激励模式的对比分析 |
| 第三节 股权激励方案设计的法则 |
| 第四节 行权定价现存的问题及改进 |
| 一、相关条例中有关行权价格修订前后的对比 |
| 二、股权激励行权定价中的现存问题 |
| 三、行权定价研究的改进思路 |
| 本章小结 |
| 第三章 行权价格、努力程度与风险承担的博弈分析 |
| 第一节 经典委托代理模型 |
| 一、模型假设和参数设定 |
| 二、已有的研究结论 |
| 第二节 引入股权激励项的委托代理博弈模型 |
| 一、模型改进的思路 |
| 二、模型假设 |
| 三、参数的设定 |
| 四、博弈模型分析 |
| 第三节 经典模型和改进模型结果对比 |
| 本章小结 |
| 第四章 股权激励行权定价模型与测算运用 |
| 第一节 现有的行权定价方法 |
| 一、固定价格定价法 |
| 二、基于EVA的相对业绩可变价格定价法 |
| 第二节 单指数化行权定价模型 |
| 一、单指数期权行权定价模型 |
| 二、单指数相对化期权定价 |
| 第三节 指数化定价的作用机理分析 |
| 一、股票价格的指数化分解 |
| 二、指数化定价的作用机制 |
| 第四节 参数对行权价格的影响规律分析 |
| 一、相关系数对于指数化行权价格的影响 |
| 二、无风险利率对于指数化行权价格的影响 |
| 三、股票价格波动率对于指数化行权价格的影响 |
| 四、指数波动率对于指数化行权价格的影响 |
| 五、股票红利率对于指数化行权价格的影响 |
| 六、指数红利率对于指数化行权价格的影响 |
| 第五节 定价公式的敏感性分析 |
| 一、敏感性分析公式 |
| 二、△值的对比分析 |
| 三、关于指数相关性的新的敏感性指标 |
| 第六节 多指数行权定价模型 |
| 一、多指数绝对定价模型 |
| 二、多指数相对定价模型 |
| 第七节 多种定价方法的实例结果对比 |
| 一、实例回顾 |
| 二、实例结果计算与输出 |
| 三、结果分析 |
| 四、实例启示 |
| 五、相关系数对多指数定价的影响分析 |
| 本章小结 |
| 第五章 行权定价对股权激励效果的影响 |
| 第一节 样本选取和描述性统计分析 |
| 一、样本选取和数据的处理 |
| 二、行权价格的描述性统计分析 |
| 三、行权价格的构建、激励效果指标的选取与控制变量的设定 |
| 第二节 行权价格指标与公司业绩的回归分析 |
| 一、理论分析、研究假设及模型构建 |
| 二、确定价等价分析 |
| 三、面板数据回归模型设定 |
| 四、行权价格与公司业绩的回归分析 |
| 五、内生性问题的处理 |
| 六、回归结果分析 |
| 第三节 行权价格与盈余管理的回归分析 |
| 一、理论分析及研究假设 |
| 二、盈余管理的计算 |
| 三、行权价格与盈余管理的回归分析 |
| 四、回归结果分析及模型稳健性说明 |
| 第四节 行权价格与公司创新能力的回归分析 |
| 一、理论分析及研究假设 |
| 二、模型选择 |
| 三、行权价格与创新能力的回归及结果分析 |
| 本章小结 |
| 第六章 安徽科大讯飞股份有限公司股权激励案例 |
| 第一节 安徽科大讯飞公司股权激励 |
| 一、科大讯飞公司概况 |
| 二、科大讯飞公司股权激励方案 |
| 三、股权激励期权数量及行权价格的调整办法 |
| 第二节 指数化行权定价的改进与对比 |
| 一、行权价格指数化改进的原因 |
| 二、指数化定价的参数计算 |
| 三、指数化行权价格表现 |
| 本章小结 |
| 结论与展望 |
| 一、研究结论 |
| 二、政策建议 |
| 三、研究展望 |
| 参考文献 |
| 攻读博士期间科研成果 |
| 一、已发表论文 |
| 二、参与课题、项目 |
| 附录 |
| 附录A:敏感性分析(R程序) |
| 附录B:单指数、多指数分析(R程序) |
| 附录C:行权价格与公司业绩的回归分析及内生性检验(STATA) |
| 附录D:盈余管理(参与行业特征回归方程的行业、年行业样本数) |
| 附录E:盈余管理计算(R程序) |
| 致谢 |
（7）Lévy过程驱动非高斯OU随机波动率下的期权定价（论文提纲范文）
| 0 引言 |
| 1 Lévy过程驱动的非高斯OU随机波动模型 |
| 2 结构保持测度变换与期权定价 |
| 2.1 结构保持测度变换 |
| 2.2 BNS模型下的FFT期权定价 |
| 3 风险中性测度下BNS模型参数估计方法 |
| 3.1 结构保持测度下BNS模型的离散化 |
| 3.2 参数估计方法 |
| 3.2.1 极大似然-SMC参数估计方法 |
| 3.2.2 基于联合样本估计的参数估计方法 |
| 3.2.3 基于梯度-序贯蒙特卡洛的参数估计方法 |
| 4 实证研究 |
| 4.1 数据描述 |
| 4.2 模型参数值 |
| 4.3 模型比较1:样本内数据拟合效果 |
| 4.3.1 模型在不同子样本区间内的定价效果 |
| 4.3.2 模型整体效果 |
| 4.4 模型比较2:样本外数据 |
| 4.4.1 模型在不同子样本区间内的定价效果 |
| 4.4.2 模型整体效果 |
| 4.5 稳定性 |
| 4.6 综合校正风险 |
| 4.7 实证总结 |
| 5 结束语 |
（8）金融媒体新闻情绪及其对股市影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 新闻情绪内涵界定 |
| 1.3 研究范围、内容、框架和创新点 |
| 1.3.1 研究范围 |
| 1.3.2 研究框架 |
| 1.3.3 研究内容 |
| 1.3.4 主要创新点 |
| 1.4 本章小结 |
| 第2章 文献综述 |
| 2.1 资产定价模型 |
| 2.1.1 传统资产定价模型 |
| 2.1.2 噪音资产定价模型 |
| 2.1.3 情绪资产定价模型 |
| 2.2 情绪测度方法研究 |
| 2.2.1 直接调查法 |
| 2.2.2 代理变量方法 |
| 2.2.3 综合性指数方法 |
| 2.2.4 文本情绪测度 |
| 2.3 新闻情绪量化方法研究 |
| 2.3.1 情绪量化方法概述 |
| 2.3.2 词汇字典频次统计方法 |
| 2.3.3 词汇加权统计方法 |
| 2.3.4 机器学习统计方法 |
| 2.3.5 其他新闻特征分析方法 |
| 2.4 情绪与资产价格预期回报 |
| 2.4.1 横截面分析 |
| 2.4.2 时间序列分析 |
| 2.4.3 非线性预测 |
| 2.5 文献综述小结 |
| 2.6 本章小结 |
| 第3章 情绪均衡模型构建及情绪量化方法研究 |
| 3.1 行为金融学理论概述 |
| 3.1.1 行为金融定义 |
| 3.1.2 行为金融发展历程 |
| 3.1.3 行为金融研究主题 |
| 3.1.4 情绪价格传导机理 |
| 3.2 情绪均衡价格模型构建 |
| 3.2.1 投资者异质性 |
| 3.2.2 投资者同质均衡价格模型 |
| 3.2.3 投资者异质均衡价格模型 |
| 3.3 新闻情绪量化方法研究 |
| 3.3.1 新闻数据 |
| 3.3.2 “文字包”技术 |
| 3.3.3 个股情绪量化方法 |
| 3.3.4 市场情绪指数量化方法 |
| 3.4 本章小结 |
| 第4章 新闻情绪分类算法比较分析 |
| 4.1 分类算法和数据 |
| 4.1.1 分类算法 |
| 4.1.2 使用数据 |
| 4.2 “文字包”新闻情绪分类 |
| 4.3 机器学习新闻情绪分类 |
| 4.3.1 机器学习新闻情绪分类方法概述 |
| 4.3.2 朴素贝叶斯新闻情绪分类 |
| 4.3.3 支持向量机新闻情绪分类 |
| 4.3.4 神经网络新闻情绪分类 |
| 4.4 新闻情绪分类算法比较选择 |
| 4.5 本章小结 |
| 第5章 新闻情绪对股票收益率影响分析 |
| 5.1 使用数据 |
| 5.2 新闻情绪对于中美股票收益率影响分析 |
| 5.2.1 研究假设 |
| 5.2.2 情绪计算 |
| 5.2.3 模型和指标 |
| 5.2.4 实证结果和分析 |
| 5.3 情绪周末积累效应分析 |
| 5.4 新闻情绪公告效应分析 |
| 5.5 本章小结 |
| 第6章 新闻情绪对股票波动率影响分析 |
| 6.1 新闻情绪对于股票波动率影响分析 |
| 6.1.1 波动模型 |
| 6.1.2 实证分析 |
| 6.2 基于新闻情绪的股票交易策略构建 |
| 6.2.1 股票交易策略构建基础 |
| 6.2.2 股票策略信号计算 |
| 6.2.3 策略实证分析 |
| 6.3 基于新闻情绪的投资组合构建 |
| 6.4 本章小结 |
| 第7章 基于非确定方法的新闻情绪指数构建与应用 |
| 7.1 情绪指数方法概述 |
| 7.1.1 情绪指数方法概述 |
| 7.1.2 “非确定”情绪指数 |
| 7.2 数据来源 |
| 7.3 情绪指数构建 |
| 7.3.1 第一动量新闻情绪指数 |
| 7.3.2 第二动量新闻情绪指数 |
| 7.4 新闻情绪指数股票收益率预测 |
| 7.4.1 情绪指数细化 |
| 7.4.2 新闻情绪对指数预测能力 |
| 7.4.3 预测效果比较 |
| 7.4.4 投资组合构建 |
| 7.4.5 新闻情绪效应研究 |
| 7.4.6 情绪和风险因子关系分析 |
| 7.5 情绪指数在共同基金中应用 |
| 7.5.1 共同基金和新闻情绪 |
| 7.5.2 共同基金投资组合构建 |
| 7.6 本章小结 |
| 第8章 结论与建议 |
| 8.1 结论 |
| 8.2 政策建议 |
| 8.3 研究不足和展望 |
| 参考文献 |
| 致谢 |
| 个人简历在读期间发表的学术论文与研究成果 |
（9）不确定性视角下中国城镇居民住房决策机制的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 不确定性的内涵和外延 |
| 1.2.2 居民住房决策 |
| 1.2.3 研究简评 |
| 1.3 研究范围、内容和方法 |
| 1.3.1 研究范围 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.3.4 论文结构安排 |
| 第2章 中国居民住房和抵押贷款需求与核心不确定性 |
| 2.1 中国居民住房需求和抵押贷款需求特征 |
| 2.1.1 居民住房需求特征 |
| 2.1.2 居民抵押贷款需求特征 |
| 2.2 影响居民住房和抵押贷款需求的核心不确定性的界定 |
| 2.2.1 经济不确定性 |
| 2.2.2 政策不确定性 |
| 2.3 本章小结 |
| 第3章 不确定性影响住房决策的宏观效应 |
| 3.1 基础模型构建与求解 |
| 3.1.1 模型结构设定与中国特征 |
| 3.1.2 经济主体决策 |
| 3.1.3 均衡系统与模型求解 |
| 3.2 数据来源与参数估计 |
| 3.2.1 数据来源与预处理 |
| 3.2.2 时域—频域分解 |
| 3.2.3 校准与参数估计 |
| 3.3 脉冲响应和方差分解 |
| 3.3.1 全局分析 |
| 3.3.2 时频分析 |
| 3.4 情景模拟分析与反事实比较 |
| 3.4.1 住房持有成本 |
| 3.4.2 房价粘性 |
| 3.5 本章小结 |
| 第4章 不确定性影响住房决策的微观机制:住房需求 |
| 4.1 收入不确定性影响下的住房需求 |
| 4.1.1 收入不确定性的影响机制 |
| 4.1.2 收入不确定性的度量与实证设计 |
| 4.1.3 实证结果与讨论 |
| 4.1.4 稳健性检验 |
| 4.2 消费不确定性影响下的住房需求 |
| 4.2.1 消费不确定性的影响机制 |
| 4.2.2 消费不确定性的度量与实证设计 |
| 4.2.3 实证结果与讨论 |
| 4.2.4 稳健性检验 |
| 4.3 本章小结 |
| 第5章 不确定性影响住房决策的微观机制:抵押贷款需求 |
| 5.1 中国城镇居民住房抵押贷款需求决策机制 |
| 5.1.1 抵押贷款需求与非正规借贷 |
| 5.1.2 基础模型:内生互动机制 |
| 5.2 收入不确定性影响下的住房抵押贷款需求 |
| 5.2.1 收入不确定性的影响机制 |
| 5.2.2 数据来源与实证设计 |
| 5.2.3 实证结果与讨论 |
| 5.2.4 稳健性检验 |
| 5.3 信贷政策不确定性影响下的住房抵押贷款需求 |
| 5.3.1 信贷政策不确定性的影响机制 |
| 5.3.2 数据来源与实证设计 |
| 5.3.3 实证结果与讨论 |
| 5.3.4 稳健性检验 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究的主要成果与政策建议 |
| 6.1.1 主要研究成果 |
| 6.1.2 主要政策建议 |
| 6.2 主要学术贡献、局限性与未来研究展望 |
| 6.2.1 主要学术贡献 |
| 6.2.2 局限性与未来研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（10）基于Lévy跳跃过程、随机波动模型的期权定价与风险管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 股指跳跃、波动成分识别研究背景和意义 |
| 1.1.2 基于Lévy过程、随机波动的期权定价研究背景与意义 |
| 1.1.2.1 期权市场的发展 |
| 1.1.2.2 基于Lévy过程、随机波动的期权定价理论价值和意义 |
| 1.1.3 基于Lévy过程、随机波动的风险管理研究背景与意义 |
| 1.1.3.1 风险管理的研究背景 |
| 1.1.3.2 基于Lévy过程、随机波动风险管理的理论价值和意义 |
| 1.2 研究内容和研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 可能的创新点 |
| 1.4 结构框架 |
| 第2章 相关研究文献和理论基础 |
| 2.1 国内外相关文献 |
| 2.1.1 股指跳跃、波动成分识别相关文献 |
| 2.1.2 Lévy过程、随机波动理论与相关文献 |
| 2.1.2.1 Lévy过程相关文献 |
| 2.1.2.2 随机波动模型相关文献 |
| 2.1.3 期权定价模型文献综述 |
| 2.1.3.1 Lévy过程期权定价相关文献 |
| 2.1.3.2 随机波动模型期权定价相关文献 |
| 2.1.3.3 美式期权定价相关文献 |
| 2.1.4 Lévy过程跳跃、随机波动模型的风险管理相关文献 |
| 2.1.4.1 Lévy过程跳跃、随机波动模型的风险测度文献 |
| 2.1.4.2 多维Lévy跳跃-copula模型的风险管理文献 |
| 2.1.5 参数估计的优化算法相关文献 |
| 2.1.5.1 模型参数估计单目标优化算法 |
| 2.1.5.2 投资组合多目标优化算法 |
| 2.1.6 对已有研究的总结 |
| 2.2 相关理论基础 |
| 2.2.1 跳跃、波动甄别检验理论基础 |
| 2.2.2 相关随机过程理论基础 |
| 2.2.2.1 随机分析基础 |
| 2.2.2.2 Lévy过程基本概念 |
| 2.2.3 期权定价基础模型 |
| 2.2.3.1 B-S经典定价模型 |
| 2.2.3.2 跳跃扩散模型基础理论 |
| 2.2.3.3 经典美式期权定价理论 |
| 第3章 基于修正的已实现阈值幂变差的股市跳跃、波动行为研究 |
| 3.1 问题提出 |
| 3.2 基于修正的已实现阈值幂变差的股市跳跃甄别方法 |
| 3.2.1 跳跃甄别统计量构建 |
| 3.2.2 跳跃活动程度检验 |
| 3.3 扩展的已实现波动率预测模型 |
| 3.4 实证研究 |
| 3.4.1 跳跃识别 |
| 3.4.2 波动预测效果 |
| 3.5 本章小结 |
| 第4章 基于Lévy过程高阶矩波动模型的期权定价 |
| 4.1 问题提出 |
| 4.2 Lévy过程时变高阶矩波动模型 |
| 4.2.1 Lévy过程 |
| 4.2.2 非对称时变高阶矩NGARCHSK模型 |
| 4.3 Lévy-NGARCHSK期权定价的cosine方法和蒙特卡洛模拟 |
| 4.4 实证研究 |
| 4.4.1 参数估计 |
| 4.4.2 期权定价 |
| 4.5 本章小结 |
| 第5章 基于改进PSO算法的调和稳定Lévy跳跃下随机波动模型期权定价 |
| 5.1 问题提出 |
| 5.2 无限活跃纯跳跃Lévy过程驱动的随机波动模型 |
| 5.2.1 无限活跃纯跳跃Lévy过程 |
| 5.2.2 随机波动率Lévy过程 |
| 5.3 LVSV模型期权定价的分数阶FFT方法 |
| 5.4 改进的粒子群优化算法 |
| 5.4.1 种群初始化多区域局部搜索 |
| 5.4.2 参数自适应变异 |
| 5.4.3 种群全局自适应变异 |
| 5.4.4 多区域自适应PSO算法流程设计 |
| 5.5 实证研究 |
| 5.5.1 基于MAPSO的LVSV模型期权定价 |
| 5.5.2 LVSV模型的方差最优期权套期保值策略 |
| 5.6 本章小结 |
| 第6章 基于改进PSO算法的调和稳定Lévy跳跃随机波动过程美式期权定价 |
| 6.1 问题提出 |
| 6.2 时变调和稳定Lévy过程 |
| 6.3 Fourier-cosine方法基础的TSSV美式期权定价 |
| 6.4 参数估计的改进PSO算法 |
| 6.5 实证结果 |
| 6.5.1 描述性统计 |
| 6.5.2 参数估计结果 |
| 6.5.3 期权定价结果 |
| 6.6 本章小结 |
| 第7章 基于调和稳定Lévy跳跃随机波动过程的风险测度和投资组合策略 |
| 7.1 问题提出 |
| 7.2 时变调和稳定Lévy过程 |
| 7.3 时变调和稳定L6vy过程的FFT |
| 7.3.1 PDF和CDF的FFT |
| 7.3.2 VAR和CVaR |
| 7.4 投资组合策略中的风险调整准则 |
| 7.5 实证研究 |
| 7.5.1 参数估计 |
| 7.5.2 VaR和CVaR后验检验 |
| 7.5.3 TSSV模型的投资组合统计总结 |
| 7.5.4 TSSV模型的投资组合分布分析 |
| 7.6 本章小结 |
| 第8章 基于调和稳定Lévy跳跃下copula模型的多目标投资组合优化 |
| 8.1 问题提出 |
| 8.2 TS copula函数 |
| 8.2.1 copula函数 |
| 8.2.2 TS copula函数 |
| 8.3 TS copula多目标投资组合优化 |
| 8.4 多目标投资组合优化算法 |
| 8.4.1 NSGA-Ⅱ算法 |
| 8.4.2 SPEA-Ⅱ算法 |
| 8.4.3 MOPSO算法 |
| 8.5 实证部分 |
| 8.6 本章小结 |
| 第9章 研究结论与展望 |
| 9.1 主要成果及研究结论 |
| 9.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表论文情况 |
| 攻读博士学位期间参与完成科研项目情况 |
| 作者简介 |
四、离散时间不完金融市场中期权定价的效用极大化方法（论文参考文献）
- [1]上证50ETF期权市场波动率风险溢价研究[D]. 胡明柱. 哈尔滨工业大学, 2020
- [2]植物品种权证券化研究[D]. 张璐. 山东科技大学, 2020(06)
- [3]上证50ETF期权隐含波动率曲面构建与Delta套期保值研究[D]. 白雪飞. 天津财经大学, 2020(06)
- [4]基于PJD过程的DC型养老基金投资组合模型研究[D]. 李文. 东南大学, 2020(01)
- [5]信息不对称视角下投资者信念、羊群行为与股市波动[D]. 曾懿亮. 中央财经大学, 2019(08)
- [6]中国股票期权激励合约行权定价理论与实证研究[D]. 何妍. 中南财经政法大学, 2019(08)
- [7]Lévy过程驱动非高斯OU随机波动率下的期权定价[J]. 刘志东,刘雯宇,阮禹铭. 管理科学学报, 2019(01)
- [8]金融媒体新闻情绪及其对股市影响研究[D]. 史峰. 对外经济贸易大学, 2018(01)
- [9]不确定性视角下中国城镇居民住房决策机制的研究[D]. 樊颖. 清华大学, 2018(04)
- [10]基于Lévy跳跃过程、随机波动模型的期权定价与风险管理研究[D]. 宫晓莉. 东北大学, 2017(12)