经营性租赁固定资产实物期权定价的研究

市场经济环境中不确定因素很多,机会与风险并存,客观上给期权定价理论的研究与应用提供了广阔的空间。实物期权定价理论在投资合同的成功应用,关键在于所投资的项目一般都具有初衷可以修改或决策可以延迟的特点。租赁一项固定资产其实就是一个潜在的投资项目,并且经营性租赁的固定资产,也具备上述特点。这样,此类固定资产就应该可以用期权定价理论为其定价。本文针对经营性租赁固定资产的续租决策的灵活性,运用看涨期权思想,将一项经营性租赁理解为若干实物期权的组合,引入Black-Scholes模型进行定价分析,探讨一种新的经营性租赁固定资产的估价方法。     

基于人工神经网络的实物期权定价

实物期权是一种新兴的用于投资项目评估的方法．针对现行实物期权定价方法存在的缺少相关的定价信息，计算结果不准确等方面的缺陷，探讨了一种基于人工神经网络的实物期权定价方法，并通过Matalb6．5编程实现．结果表明，该方法能弥补现行定价方法的部分不足，并在一定程度上提高投资项目估价的准确度．     

企业经营决策中的期权定价方法

在市场经济环境下，企业在进行经营决策时常常会困惑于一些暂时尚不明确的灵活性因素，而无视这些灵活性，简单地做出“刚性”的决策，往往会丧失商机．针对企业决策中的灵活性，运用看涨期权的思想，将企业的一项经营决策理解为若干实物期权的组合，引入Black—Scholes模型进行定价分析，并与固定资产估价的常规方法相结合。给出一种对固定资产估价的新方法，为企业的经营决策提供理论依据．     

实物期权风险投资项目价值评估模型

提出了一种评估风险投资项目价值的实物期权模型,该模型将风险投资项目看作是由一系列欧式期权构成的复合期权,并根据布莱克一修斯期权定价模型计算出实物期权的价值,最后通过算例表明传统的净现值法由于忽视项目实物期权价值而具有一定的缺陷．     

基于实物期权与净现值法的飞机租赁决策研究

目前,飞机租赁是我国机队引进飞机的主要方式.航空公司结合自身情况对飞机租赁方式进行选择,对航空公司未来发展起到了至关重要的作用.在传统净现值法的基础上,引入多级实物期权法,分别对飞机经营性租赁与飞机融资性租赁进行分析,从而做出最优决策.该方法考虑了项目的不确定性,分析管理层在中途修正战略的价值,弥补了传统净现值法不考虑管理决策层采取柔性投资策略价值的缺陷.     

基于分形期权理论的船舶投资决策研究

船舶作为航运企业最重要的生产资料,其前期的投资决策分析至关重要.一直以来,船舶投资风险价值的计算是困扰人们的问题之一,实物期权理论与B-S定价模型的发展为其提供了一个解决办法.但B-S 定价模型中最重要的假设条件是资产价格波动符合正态分布,这与现实差距较大.本文以分形分布条件代替B-S定价模型中正态分布的假设,建立起分形期权定价模型,并利用BDI价格指数进行实证分析.结果证明BDI对数收益率序列的H指数大于0.5,说明BDI收益具有较强记忆性,呈现尖峰胖尾特征.在此条件下,以传统B-S定价模型计算出的船舶投资实物期权价值大于分形期权价值,说明其高估了船舶投资的管理柔性价值,这会使投资者产生盲目乐观心理,进而增大投资决策风险.     

���ڷ�����Ȩ���۵Ĵ���Ͷ�ʾ����о�

船舶作为航运企业最重要的生产资料,其前期的投资决策分析至关重要.一直以来,船舶投资风险价值的计算是困扰人们的问题之一,实物期权理论与B-S定价模型的发展为其提供了一个解决办法.但B-S定价模型中最重要的假设条件是资产价格波动符合正态分布,这与现实差距较大.本文以分形分布条件代替B-S定价模型中正态分布的假设,建立起分形期权定价模型,并利用BDI价格指数进行实证分析.结果证明BDI对数收益率序列的H指数大于0.5,说明BDI收益具有较强记忆性,呈现尖峰胖尾特征.在此条件下,以传统B-S定价模型计算出的船舶投资实物期权价值大于分形期权价值,说明其高估了船舶投资的管理柔性价值,这会使投资者产生盲目乐观心理,进而增大投资决策风险.     

基于实物期权法的项目经济评价研究

介绍了利用实物期权法进行项目经济评价的原理和特点,并采用Black-Scholes定价模型进行了案例分析．和传统的通过计算项目的净现值进行项目投资决策的方法相比,实物期权法充分考虑了项目不确定条件下的灵活性价值,从而进一步保证投资决策的科学性．     

基于CNN-LSTM网络模型的风电功率短期预测研究

风电功率预测对电力系统的稳定运行与经济调度至关重要。为充分挖掘历史数据中的有效信息以提高风电功率短期预测精度,提出一种基于卷积神经网络(convolution neural network,CNN)和长短期记忆(long short-term memory network,LSTM)网络模型的风电功率短期预测方法,利用CNN序列特征提取能力进行有效信息的提取,保留更长的有效记忆信息以解决梯度弥散问题,弥补了LSTM网络模型面对过长序列时出现不稳定与梯度消失现象的不足。用国内某风电场数据进行实验,预测结果表明文中提出的方法与反向传播神经网络和LSTM网络预测方法相比,具有更高的预测精度。     

面向群体行驶场景的时空信息融合车辆轨迹预测

将车辆间时空交互信息融入卷积社会池化网络中,提出了一种面向群体行驶场景的有人驾驶车辆轨迹预测模型;使用长短时记忆(LSTM)网络预测群体车辆速度,基于此预测值计算群体车辆间的速度差;构造LSTM编码器捕捉群体车辆行驶轨迹的时间序列特征,设计卷积社会池化网络提取群体车辆间的空间依赖关系,使用LSTM解码器预测未来车辆各种动作的出现概率和相应轨迹,将具有最高出现概率的动作及其轨迹作为最终轨迹预测结果;使用真实轨迹数据集对所构建模型进行了参数标定和性能验证,测试了不同轨迹编解码与速度预测方法对模型性能的影响,确定了最优模型结构。计算结果表明：相较于历史速度,使用预测速度计算速度差作为模型输入可将均方根误差(RMSE)降低19.45%;相较于门控循环神经网络,使用LSTM进行速度预测可将RMSE降低4.91%;相较于原始卷积社会池化网络,所提出模型的轨迹预测误差在RMSE与负似然对数2个指标上分别降低了20.32%和21.04%,明显优于其他卷积社会池化网络变体;所提出模型与原始卷积社会池化网络计算耗时差距约3 ms,能够满足实时应用要求。     

LSTM Encoder-Decoder方法预测设备剩余使用寿命

应用LSTM Encoder-Decoder提出了机械设备剩余使用寿命预测方法;对获取的传感器数据进行预处理,利用LSTM Encoder对数据序列进行编码,得到设备状态信息的中间表示,其中蕴含了设备状态的特征信息,利用LSTM Decoder对中间表示信息进行解码,利用解码后的信息预测剩余使用寿命;研究了LSTM Encoder-Decoder方法在公开的C-MAPSS数据集上的剩余使用寿命预测试验,与LSTM、D-LSTM等方法进行了对比试验;研究了不同滑动窗口大小对于剩余寿命预测结果的影响。研究结果表明:LSTM Encoder-Decoder方法的剩余使用寿命预测结果的评分函数值和均方根误差均优于LSTM、D-LSTM方法;在FD001子集上,LSTM Encoder-Decoder方法、LSTM方法和D-LSTM方法对应的均方根误差分别为11、12、16;当滑动窗口大小为30时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为164、3 012、372、4 800,对应的均方根误差分别为11、20、14、22;当滑动窗口大小为40时,LSTM Encoder-Decoder方法在FD001~FD004子集对应的评分函数值分别为305、1 220、408、4 828,对应的均方根误差分别为14、16、15、19。可见,提出的LSTM Encoder-Decoder方法是一种有效的预测机械设备剩余使用寿命方法,并且滑动窗口大小对于剩余使用寿命预测结果存在一定的影响。      

基于改进LSTM的高速列车牵引电机轴承温度预测模型

为提高牵引电机轴承温度的预测精度,提出一种基于改进LSTM的高速列车牵引电机轴承温度预测模型。该模型引入窥视孔模块,改进了LSTM网络结构,适应长距离时间序列的牵引电机轴承温度数据,设计两层改进LSTM网络构成隐藏层,减少模型的计算量和训练耗时。选取某动车组的历史运行数据进行测试与分析,与标准LSTM、RNN、GRU、SVR预测模型相比,改进LSTM预测模型的均方根误差和平均绝对百分比误差最低,分别为1.158和2.57%,表明改进模型提高了牵引电机轴承温度的预测精度。     

基于组合实物期权的船舶投资决策研究

旨在研究具有组合复合实物期权特征的船舶投资决策。通过建立二叉树定价模型,并利用Crystal Ball软件运用蒙特卡洛模拟方法模拟航运市场波动率,从而对船舶投资项目进行评价。通过实例分析得出,拥有多重选择性的船舶投资项目的价值要大于仅有单一期权的投资项目价值。     

基于组合实物期权的船舶投资决策研究

旨在研究具有组合复合实物期权特征的船舶投资决策。通过建立二叉树定价模型,并利用Crystal Ball软件运用蒙特卡洛模拟方法模拟航运市场波动率,从而对船舶投资项目进行评价。通过实例分析得出,拥有多重选择性的船舶投资项目的价值要大于仅有单一期权的投资项目价值。     

有限周期买入期权的三项式期权定价模型

研究了有限周期买入期权的三项式定价模型，对每一投资期内具有3种变化的股票价格模型进行了讨论，是现存的CRR二项式定价模型的推广．利用概率论的理论，推导出了某一假定证券市场中有限周期买入期权的三项式期权定价公式．     

动车组牵引电机轴承健康状态评估与预测

论文提出了一种基于长短期记忆网络(LSTM)的动车组牵引电机轴承健康状态评估与预测的方法.首先在动车组牵引电机轴承的时域、频域以及时频域内,进行退化特征提取,并以相关性、单调性和鲁棒性为原则,进行敏感特征选取;然后,采用深度学习网络,对所选取的退化特征进行特征融合,在此基础上,计算最小量化误差(MQE)并构建健康指数(HI)退化曲线;最后,基于LSTM的动车组牵引电机轴承的健康状态,进行评估与预测,同时运用人工神经网络(ANN),对牵引电机轴承的健康状态进行评估预测.进而并对两种评估预测的结果进行比较分析,结果表明:采用LSTM的评估预测精度较ANN的高,而且性能更优,更适合于动车组牵引电机健康状态的评估与预测.     

基于三叉树期权理论的铁路货运定价模型

将期权理论引入铁路货运定价活动,构建基于运输企业和期权客户期望最大 化的多期三叉树定价模型,分析铁路运输企业的最优定价决策及期权客户的最优购买决 策.研究结果表明：最优期权订购量是关于期权执行价格和期权价格的严格单调递减函 数,而期权执行价格与现货市场运价、短期准备成本、无风险利率正相关,与长期准备成 本负相关.通过算例的敏感性分析,发现当期权执行价格升高幅度超过10%时,期权客户 的期权购买量下降梯度迅速增加,相比于期权价格,期权执行价格对期权客户的期权执 行量具有更强的敏感性,因此铁路运输企业应关注期权执行价格的制定.     

股价为指数O-U过程的回顾型期权的定价

讨论了股票价格遵循指数O-U过程的连续时间最大值看涨(最小值看跌)期权,也就是固定履约价回顾型期权的定价问题.利用期权定价的鞅方法,得到了指数O-U过程随机模型下固定履约价回顾型期权的定价公式.     

跳跃扩散模型外汇重置期权定价

在完全外汇市场环境下讨论了外汇汇率过程受Brown运动和Possion过程共同驱动时外汇重置期权的定价问题.利用等价鞅测度和标准正态分布函数给出了这一模型下单时点重置外汇看涨期权的定价公式,最后在常系数条件下导出了一种特殊形式外汇重置期权的Black-Scholes公式.     

基于行驶轨迹的车辆换道行为预测方法研究

车辆换道行为是机动车在道路上行驶时的一种常见行为，对其进行预测能有效减少交通事故。基于NGSIM项目数据，对换道车辆换道时刻的行为特性进行分析，运用随机森林算法筛选出表征换道行为的参数指标：横纵向速度、加速度、偏角、车头间距以及相对时距，提出一种级联LSTM模型预测车辆在行驶过程中是否会发生换道行为，并与传统单层LSTM模型对比。结果表明：级联LSTM模型预测准确率可达93.6%,具有良好的换道预测效果且高于单层LSTM模型，可为自动驾驶和深度学习提供一定的理论参考。