衍生证券的熵定价方法研究——基于衍生证券市场的有效信息

项目名称： 衍生证券的熵定价方法研究——基于衍生证券市场的有效信息

项目编号： No.71301132

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 管理科学

项目作者： 余喜生

作者单位： 西南财经大学

项目金额： 20.5万元

中文摘要： 现代衍生证券定价方法往往对标的资产价格过程、市场的完备性等进行与真实市场并不完全相符的模型假定或其它预设；而忽略或者无法提取、使用实际市场中能准确反映各种预期的有效信息。 项目从实际市场出发，1）针对金融市场蕴含哪些有效信息可用于衍证券定价的问题，运用随机数学理论，建立能从多类衍生证券市场提取更多有效信息、且更具普适性的方法，以期拓展目前能提取到的信息内容、及改进一些仅适用从欧式衍生证券提取有效信息的方法。2）针对提取的有效信息如何用于定价的问题，借鉴熵理论和贝叶斯技术，提出能得到唯一"理性"定价测度的非模型依赖熵定价方法，一定程度上解决不完备市场中等价鞅测度不唯一的难题，并可望完善非参数定价方法的一些不足。3）应用现代数值方法处理计算过程，提高定价精确度，并软件化。 项目研究成果一定程度上可为衍生证券定价提供新的研究思路,并揭示金融市场的有效信息对衍生证券定价的重要意义。

中文关键词： 衍生证券定价；蒙特卡洛熵方法；市场有效信息；股指期货；

英文摘要： Modern valuation approaches to financial derivatives pricing usually rely on a series of assumptions such as assuming a specific process for the underlying price or presupposing the completeness of market, which are not consistent with the realistic markets. These methods ignore the effective information or fail to use the information. Currenct study on pricing derivatives following the actual markets still offers an avenue for future study. Standing from the practical market, this project would propose and address the following issues. (1) Which information content included in market is efficient for derivative pricing: Establishing a universal method by employing the Stochastic Mathematics to suitably extract more efficient information from serval types of derivative markets, so that the existing methods for retrieving some specific information only from European-style derivative can be improved and extended. (2) How to utilize those extracted information for obtaining a rational pricing measure: Proposing a model-free method to attain the unique rational measure using Information Entropy Theory and Bayesian Technique, with an expectation of improving some non-parametric pricing methods and addressing the non-uniqueness issue of equivalent martingale measure in incomplete market. (3) Applying modern numeric

英文关键词： Derivative security pricing；Monte Carlo Entropy method；Effecient market information；Stock index futures；