马文伟[1]2004年在《基于人工神经网络的实物期权定价方法研究》文中提出期权理论为投资决策提供了一种新型的工具。近年来，国内外专家学者对实物期权的定价方法进行了很多探讨，但始终没有摆脱定价过程的主观性和模糊性，在变量的选择上没有摆脱Black-Scholes模型的约束，评估的准确性提高不大。如果能建立客观科学的实物期权评估方法，对投资者来说将是非常有益的。 本课题针对现行定价方法存在的不足，结合投资项目的实际情况，探讨了实物期权定价新途径。主要研究，如何应用BP网络和遗传算法为实物期权定价，建立基于人工神经网络的实物期权定价模型。 重点研究内容： (1)建立BP(Back Propagation)神经网络 用MATLAB提供的人工神经网络工具箱建立网络，包括选择各层间的传递函数、确定网络训练误差和学习速率等，为建立定价模型做准备。 (2)遗传算法优化网络 首先确定评估函数，再利用MATLAB提供的遗传算法工具箱进行算法设计(确定选择方法、交叉类型、变异概率等)，剔除网络冗余节点和分支，实现对BP网络的优化。 (3)检验定价模型 通过详细分析投资项目中存在的实物期权，确定模型的输入变量。如果模型仿真结果与实际价值存在较大差异，则需要重新建立和优化BP网络，直到最终得到满意的仿真结果。 本课题利用MATLAB编写程序实现人工神经网络和遗传算法的各项操作，对收集到的样本数据进行训练，建立了实物期权定价模型，并结合实例对模型进行了检验。 在此基础上，将布莱克—斯克尔斯模型定价结果、网络模型定价结果、项目实际价值叁者之间进行分析比较。结果表明，BP网络的定价结果与投资项目实际价值基本相符，较适合用于对投资项目进行评估。 本课题的研究成果是，建立了基于人工神经网络的实物期权定价模型。创新点是将BP网络和遗传算法用于实物期权定价。 基本结论如下： (1) BP模型能够提高定价结果的准确度；武汉理工大学硕士学位论文(2)建模需要合理确定隐含层神经元数目;(3)优化网络应恰当确定初始群体规模;(4)优化网络需要合理设计交叉算子。
胡曙光[2]2007年在《基于实物期权的高速公路投资决策研究》文中指出在经济发展过程中，交通基础设施起着决定性的作用，随着经济的发展，需要建设更多的高速公路满足日益增加的交通量。以净现值法为代表的传统投资决策方法由于存在忽视管理柔性和战略灵活性的缺陷，目前高速公路投资所采用的方法是沿用传统的投资决策方法，已越来越难以正确评价高速公路投资项目的真实价值，而实物期权法可以弥补这个不足，将项目中可能出现的各种机会、灵活性及不确定性通过动态复制当作期权进行一定程度的量化处理，从而提高复杂的投资决策的准确性。本论文尝试将实物期权理论引入高速公路项目投资评价之中，利用实物期权在发掘投资项目的弹性价值、管理不确定性、评估投资机会价值方面的天然优势，更贴近实际地评估高速公路项目的价值。但是由于传统B-S模型的参数难以确定，不符合高速公路投资决策的特点，所以本文结合BP神经网络以及遗传算法进行评价，用非解析解的形式，改进现有高速公路投资决策方法，吸引更多的投资者投资到高速公路投资领域，解决目前我国高速公路投资资金来源问题，同时也可以帮助决策者得出正确的决策分析。全文共分六章：第一章为导论，阐述了本论文的选题的目的和意义，与论文有关的国内外研究综述，以及研究内容和研究方法。第二章是提出问题，分析高速公路投资决策现状以及存在的问题。主要针对的是目前高速公路投资决策中所采用的传统NPV方法，并提出了基于实物期权的应用框架。第叁章是根据应用框架，提出了高速公路的投资决策的基本理论，包括实物期权理论以及实物期权定价理论、BP人工神经网络理论、遗传算法理论。针对高速公路投资决策进行分析包括投资特点，影响因素，以及实物期权特性，为模型建立做准备。第四章是实物期权模型的建立，包括影响实物期权的因素分析，BP神经网络进行样本训练，运用遗传算法选择变量优化BP网络。第五章是具体的实证应用，用具体的高速公路投资项目来探讨基于B-P神经网络的实物期权的应用。第六章是结论部分，表明这种方法在高速公路投资决策比其它方法更科学、有效，并对应用前景进行展望。
赵丹丹[3]2016年在《基于极限学习机的实物期权定价模型研究》文中研究表明随着经济全球化的不断发展,企业经营业务和经营手段也发展变化,致使企业价值类型不断增加和创新,企业面临的未来不确定性因素越来越多以及企业柔性管理变得日益凸显。广泛应用于企业价值评估的传统方法不能估计企业不确定性变化带来的隐含价值,因此不能有效地进行企业价值评估分析。实物期权方法可以估算出这部分隐含的价值,也即实物期权价值。企业的实物期权价值构成企业价值的主要部分。Black-Scholes模型是企业用于价值评估的比较流行的实物期权定价工具。然而,由于Black-Scholes模型的前提假设非常严苛,主观性和模糊性很强,因此不能准确高效地进行评估,这使得该模型在实际应用中受到很大的局限。针对以上实物期权本身固有的问题,近几年来虽然很多学者已经结合多种算法对实物期权方法进行了改进和优化,且都大大提高了实物期权定价模型的准确性,但是由于BP神经网络自身的缺陷使模型仍然达不到最佳的效果。本人在此前学者研究的基础上,引入了极限学习机(Extreme Learning Machine,ELM)的算法对实物期权模型进行改进,该种算法大大提高了训练速度和预测精度。那么鉴于极限学习机的诸多优点,将其应用在实物期权定价模型上对该模型进行改进,最后将基于极限学习机改进后的实物期权定价模型与基于BP神经网络改进后实物期权定价模型进行对比,我们可以得到更加有效的结果。本文尝试采集上市公司样本数据,运用改进后的实物期权定价模型进行实证分析,应用Matlab软件进行仿真,对比基于BP神经网络改进后的实物期权模型和基于ELM改进后的实物期权模型仿真结果,可知后者更为有效。从定性和定量的角度来证明改进模型的有效性,因此,引入极限学习机对实物期权定价模型进行改进,对研究企业股权价值评估及项目投资决策分析具有十分重要意义。
魏蓉[4]2007年在《基于实物期权的房地产开发投资决策研究》文中研究说明房地产项目的投资过程是通过预测未知的供给与需求而进行某种房地产投资与决策的过程，因此，不确定性是整个房地产投资的基本特性，决定了房地产投资是一种风险投资。房地产投资量大、开发周期长、空间上的固定性、无法将房产或地产根据需要状况进行转移，而且房地产开发项目投资涉及面广、环节多，所有这一切都导致了房地产投资的高风险性。面对日益激烈的房地产市场，如何进行投资决策，规避风险，获取最大效益，避免因投资决策失误而造成的巨大经济损失，是目前各房地产企业需要解决的主要问题。实物期权作为一种新的方法，正在逐步广泛地应用于投资决策、财务管理、价值评估等领域。它在房地产投资领域应用有很大的必要性和很好的应用前景。但近年来国内外专家学者在对房地产项目进行投资决策时，大部分都运用Black-Scholes模型进行评价，该方法忽略了实物期权自身不同于金融期权的特点，具有很强的随意性。单纯地套用金融期权的定价模型对房地产项目进行投资决策，可能会得出错误的结论，影响投资者的正确决策。本文分析了房地产项目的特性，对国内外房地产开发投资决策的现状进行了论述，阐述了神经网络与BP算法的相关理论基础。本文结合当前在房地产开发项目中普遍使用的传统决策模型，尤其是折现现金流量(净现值)方法，深入研究探讨如何解决传统B-S决策模型的缺陷和局限性，并讨论了基于人工神经网络实物期权模型，将传统方法与之结合补充分析。并运用该模型对房地产开发项目进行科学决策，解决房地产投资决策中的实际问题。本文的研究内容主要有叁点：(1)房地产投资决策现状分析；(2)基于实物期权的房地产开发投资决策模型；(3)基于实物期权定价模型的房地产投资决策研究。本文研究的意义是，在房地产开发投资决策领域，实物期权理论的应用使得决策者的灵活性价值得以体现和量化，修正了传统决策方法的缺陷和不足，使房地产开发投资决策更加科学合理，同时在实践上能够帮助房地产企业管理者规划和管理战略投资。最后，对本论文所做的工作进行总结，并指出了在我国房地产投资领域应用实物期权方法时应注意的一些问题。
唐朝贤[5]2011年在《生物质发电项目投资风险分析与决策研究》文中研究表明上个世纪九十年代以来,我国能源消费伴随经济增长呈现飞速增长态势,能源供需形势经历了一个由生产与消费基本平衡的自给自足状态到能源进口的过程,能源危机与环境污染成为制约社会经济可持续化发展的关键问题。在这种形势下,积极开发包括生物质能源在内的可再生能源,实现对能源资源的高效化、清洁化利用,促进能源结构从单一性向多元化转变,成为当前解决能源-经济-环境问题的重要举措之一。生物质发电作为一种十分重要和有效的生物质能利用方式,在我国的发展时机日趋成熟。依据《可再生能源中长期发展规划》,到2020年我国生物质发电总装机容量将达到3000万千瓦的目标。然而,生物质发电的亏损问题一直是我国生物质发电产业的“绊脚石”。目前,我国大约有一百多个生物质发电项目投产运营,但绝大多数处于亏损边缘,因此,研究生物质发电项目投资风险具有重要的理论和现实意义。本论文以生物质发电项目的投资风险为研究对象,以国内外项目投资和风险管理的相关理论为基础,结合多年从事生物质发电项目规划设计的实践经验,从生物质发电项目的特点出发,采用理论研究和实证检验相结合的方法,寻求有效识别、估计和评价生物质发电项目投资风险的理论和方法。本文将实物期权理论引入生物质发电项目投资风险决策领域,尝试以新的视角优化生物质发电项目投资决策。本文的主要研究内容及结论有以下几个方面：(1)研究生物质发电项目投资风险的来源和特征,运用IDEF0复杂系统分析方法建立了风险因素的一级指标体系和二级指标体系,并对各种风险因素做了分析和阐述。(2)针对生物质发电项目燃料成本和上网电价做了具体的风险因素剖析,基于供应链理论提出燃料库存风险分担优化策略,基于经济学理论对电厂上网电价提出了具体的政策建议。在风险识别的基础上,给出了生物质发电项目投资风险评价的指标和方法体系。对传统评价方法进行了归纳,研究了生物质发电项目投资风险人工神经网络模型,构建了生物质发电项目投资风险的综合评价模型。(3)在分析生物质发电项目实物期权种类与特性的基础上,指出生物质发电项目实物期权定价的基本思路及存在的主要困难,构建了生物质发电项目实物期权应用的框架,并建立了生物质发电项目延迟实物期权的定价模型。(4)以某生物质发电项目为例,从工程的现状入手,分析了该项目面临的主要投资风险,根据有关成本数据进行实际的电厂燃料库存协调优化以降低燃料库存风险。在初步风险识别的基础上,通过专家咨询构建了该项目投资风险评价指标体系；利用BP神经网络模型对风险展开了多因素综合评价,确定了该项目的风险等级；最后运用实物期权法对该投资项目的可行性和传统投资决策方法进行了对比分析。
吴立扬, 马文伟[6]2004年在《基于人工神经网络的实物期权定价》文中指出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
王丽梅[7]2011年在《期权定价在房地产投资决策中的应用》文中进行了进一步梳理近几年中国房地产行业持续快速的发展,它己经成为中国的重要支柱产业。房地产市场竞争日益激烈,房地产市场机制也在不断的完善与深化,投资决策者意识到投资决策方法分析与研究的重要性。投资决策者在房地产开发项目进行投资决策时,越来越重视评价方法,它关系到投资决策的有效性和科学性。在投资决策、财务管理、价值评估等领域中应用实物期权具有广阔的前景,实物期权也正在逐步的应用在房地产投资决策中。目前,在对房地产项目进行投资决策时,大部分专家都运用Black-Scholes模型进行评价,该方法没有考虑到实物期权不同于金融期权的特点。因此,在对房地产开发项目进行投资决策时,如果简单的套用金融期权的定价模型,得出错误的结论的几率比较大,它会影响投资者的正确决策。本文对房地产投资项目的特性进行研究,归纳总结了传统净现值法及其缺陷。最优投资是期权定价中投资者面对的关键问题,投资者如何选择合适的执行价格和期权的有效期限,以使期权到期日的价格最高,是一个复杂的非线性连续优化问题。本文提出了基于人工神经网络的实物期权定价模型与基于微粒群算法的实物期权定价最优投资模型,为投资者提供有效的决策支持,针对Black-Scholes模型进行了算法的设计和实现,并以一个典型算例说明了模型的有效性。
刘睿[8]2007年在《基于改进的实物期权基础设施投资评价研究》文中研究表明针对实物期权投资评价方法在基础设施项目中的缺陷,即缺少相关的定价信息,计算结果不准确,本论文尝试将神经网络理论引入基础设施项目投资评价之中,利用神经网络模型修正实物期权投资评价的结果,更贴近实际地评估基础设施项目的价值,改进基础设施投资项目的评估手段和方法。本文主要以基础设施投资项目的评价和决策作为研究对象。首先对基础设施投资项目及其投资特点进行了分析,讨论了其中存在的不确定性和管理弹性,探讨了交通基础设施项目中存在的实物期权特性。根据国内外实物期权的研究理论与应用经验,重点讨论了实物期权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。在此基础上,提出了一种基于人工神经网络的实物期权定价方法来修正实物期权在基础设施投资评价中的缺陷的思想,并确定了应用神经网络修正的实物期权定价模型的实施步骤。此外,针对出于各种不确定性使投资决策者采取各种灵活性措施所带来的价值,运用实物期权B-S定价模型对投资机会的价值进行定量分析,并对B-S模型得出的结果进行敏感性分析,将其模型用神经网络进行优化,并通过MATLAB编程实现。此外,本文对建立的模型进行了实证分析,将分析结果与传统NPV方法,单纯的实物期权方法进行了对比。实证结果表明,修正的实物期权模型能弥补现行实物期权定价方法的部分不足,提高投资项目估价的准确度,更贴近实际地评估基础设施项目的价值,而且对其它基础设施项目的投资评价更具有借鉴意义。
贾鸥莎[9]2012年在《电力发展新形势下城市电网多阶段规划研究》文中认为电力市场化和智能电网建设已成为全世界未来电力发展的新趋势，在此新形势下，我国电力行业的发展也面临着新的考验。电力市场化的深入进行将引入竞争机制，此时电力生产、消费和交易方式将发生根本性变化，因此除了传统的电网安全性和可靠性研究以外，电力建设经济性和风险性指标研究的意义将越来越重要；智能电网是经济和技术发展的必然，其建设将会大幅度提高发、输和用电效率，促进节能减排和社会的可持续发展，但同时智能电网引入了大量新型技术设备和概念，也为电力系统建设增添了许多不确定性，值得进一步探索研究。电网规划是现代电网建设和发展的关键环节，我国传统电网规划相关理论和方法已得到了深入研究，在此基础上，本文旨在将电力市场化和智能电网建设发展这两个主题新形势下出现的各种因素引入到实际规划工作中，同时考虑实际电网工程项目建设安排分阶段进行的特点，建立电网规划的动态多阶段数学模型，具体工作如下：（1）新形势下，影响负荷预测准确性的因素除传统的天气、季节、日类型等以外，电价也将成为一个非常重要的因素，因此本文利用需求价格弹性矩阵和灰色关联度理论对电力市场环境下电价和负荷的关系进行具体分析。然后通过利用灰色模型可以弱化数据的随机性，以及神经网络的高度非线性的特点，提出一种基于改进灰色神经网络的考虑实时电价的短期电力负荷预测方法。针对灰色神经网络模型的改进包括：1）利用灰色二次指数平滑法对模型输入数据进行预处理；2）利用遗传算法优化灰色神经网络的初始参数；3）灰色神经网络模型的学习和训练速率优化，通过以上过程，提高了灰色神经网络模型的预测精度和计算速度。在数据样本的处理上，提出了利用负荷和电价的相关度判定是否将候选样本作为输入变量使用，很大程度上缓解了非关联样本过多而导致神经网络学习效率低等问题。通过实际算例的分析表明了该方法的准确和有效性。（2）现有大多数变电站规划模型和方法只具有静态特点（忽略了时间因素），与实际电网工程的多阶段实施特性有差异，而动态规划是求解以时间划分阶段的动态过程优化问题最为有效的方法，本文利用动态规划思想建立变电站的多阶段优化规划模型，以尽可能满足实际变电站规划在时间和空间方面的双重要求。首先结合专家意见，优化规划出目标年配电变电站的站址和容量，以作为各中间年变电站候选站址与容量的分类依据，从而有效缩小可行解域的空间，提高计算效率。然后将规划中间年分成若干阶段，通过建立动态规划模型并运用启发式规则对模型进行降维处理，求出在整个规划期间最优的变电站建设方案（包括对已有变电站的改造），即在满足不同阶段负荷增长需求和各种技术经济条件约束下，解决目标年各候选变电站建设改造时序的优化问题。最后通过案例验证了方法的可操作性。（3）一直以来，净现值（NPV）方法一直是电力行业评估项目投资的主要方法，但NPV法忽略了投资项目在不确定性环境下拥有的价值，一般更适用于期限短、不确定小、变动程度不大的投资评估。本文在充分考虑智能电网带来的新的不确定因素基础上，利用实物期权方法（ROA）适合评估未来不确定和机会的选择权的特性，提出了一种基于模糊实物期权的经济评估方法（FROV），并将FROV方法进一步扩展，结合贝尔曼动态规划思想，建立了一种能够综合考虑项目评估、投资资本预算决策和投资者心理的多阶段模糊实物期权评价方法（DFROV），并通过算例验证了该方法在实际应用上的参考价值。（4）针对现阶段智能电网的综合评价指标体系研究方面的不足，本文尝试提出一种新的智能电网评估指标体系构建方法，指标体系分为四层构建，以揭示智能电网建设本质为目标，以各指标层次要素的逻辑关系和内在规律为原则，最终目的要体现指标体系对智能电网建设规划的重要指导意义。（5）针对工程建设多阶段不确定规划的特点，本文提出一种基于群体决策的多属性、多阶段模糊综合评价方法。首先在传统AHP方法基础上增加了时间维度，并引入群体决策和模糊偏好关系等概念。然后以综合评价结果为目标，建立了多阶段决策优化数学模型，并提出一种依实际情况可动态灵活调整的混合智能优化算法进行求解，以实现在投资额有限情况下的项目优选。智能优化算法主要由叁部分组成：1）初始化部分：用贪心算法建立初始可行项目集；2）多阶段决策优化部分：优化确定各项目的建设时序或各阶段的项目分配，用一种改进的遗传算法（IGA），针对这两种不同的优化目的，分别提出算法改进；3）动态调整部分：目的是在满足技术要求条件下，最大程度节约资金。最后通过具体算例验证了方法的实用性和有效性。
孙琳琳[10]2014年在《我国战略性新兴产业无形资产评估的相关问题研究》文中研究说明2010年《国务院关于加快培育和发展战略性新兴产业的决定》(以下简称《决定》)的通过揭开了七大战略性新兴产业发展的序幕,本文基于此背景,对于战略性新兴产业及其无形资产的概念、种类和特征进行了定量和定性分析,发现战略性新兴产业无形资产在战略性新兴产业的发展中起到了非常重要的作用,同时它对战略性新兴产业的企业价值也有很大的影响,另外,为了响应国家扶植战略性新兴产业的政策,并为其筹融资提供可信的价值基准,必须对战略性新兴产业及其无形资产的价值进行合理评估,所以选择适当的评估方法就变得尤为重要。战略性新兴产业的无形资产以土地使用权、特许经营权、专利权、专有技术为主,目前无形资产的评估方法不仅有传统的叁大评估方法：收益法、成本法和市场法,还有新发展出的四种方法：实物期权定价法、权利金节省法、新增利润法和超额利润法,对于以上七种评估方法的基本原理,如何应用于无形资产评估,及其在战略性新兴产业无形资产评估中的适用情况本文都有详细介绍,同时我们经过分析发现这七种方法在战略性新兴产业无形资产的评估中各有千秋。虽然与传统方法相比,实物期权法考虑的因素更加全面、计算更加规范,但其本身也存在一定的局限性,所以本文在实物期权法的基础上进行了延伸,提出将基于BP神经网络的实物期权法引入战略性新兴产业的无形资产评估中来。文章最后通过简单的案例也证实此方法是可行的。
参考文献：
[1]. 基于人工神经网络的实物期权定价方法研究[D]. 马文伟. 武汉理工大学. 2004
[2]. 基于实物期权的高速公路投资决策研究[D]. 胡曙光. 武汉理工大学. 2007
[3]. 基于极限学习机的实物期权定价模型研究[D]. 赵丹丹. 首都经济贸易大学. 2016
[4]. 基于实物期权的房地产开发投资决策研究[D]. 魏蓉. 武汉理工大学. 2007
[5]. 生物质发电项目投资风险分析与决策研究[D]. 唐朝贤. 中南大学. 2011
[6]. 基于人工神经网络的实物期权定价[J]. 吴立扬, 马文伟. 武汉理工大学学报(交通科学与工程版). 2004
[7]. 期权定价在房地产投资决策中的应用[D]. 王丽梅. 河北工程大学. 2011
[8]. 基于改进的实物期权基础设施投资评价研究[D]. 刘睿. 天津大学. 2007
[9]. 电力发展新形势下城市电网多阶段规划研究[D]. 贾鸥莎. 天津大学. 2012
[10]. 我国战略性新兴产业无形资产评估的相关问题研究[D]. 孙琳琳. 厦门大学. 2014
标签：金融论文; 投资论文; 实物期权论文; 人工神经网络论文; 投资决策论文; 生物质论文; 网络模型论文; 定价方法论文; 风险评价论文; 项目分析论文; 项目评估论文; 风险模型论文; 建设投资论文; 战略性新兴产业论文;