隐含波动率反演的改进高斯牛顿法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：隐含波动率是将市场期权价格代入Black-Scholes方程等期权定价模型反推得到的波动率结果，它反映投资者对未来一段时间内标的资产价格的波动程度的预期。牛顿迭代法、二分法等经典算法计算隐含波动率时，在部分数据上无法收敛．因此该文基于高斯牛顿法，提出一种隐含波动率的改进算法，利用L曲线法进行正则化参数选取及最小残差准则确定最优下降步长．使用上证50ETF期权数据的实验结果表明，本文提出的改进算法在数据集上可全部收敛，且可反演得到合理的隐含波动率。（剩余7351字）

试读结束

目录
monitor