機器學習方法在可轉債估價上的運用.pdf_第1頁
已閱讀1頁,還剩46頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、本文首先通過基于股價的單因素模型對當前在市場流通的全部13只可轉債進行了實證分析,發(fā)現(xiàn)根據(jù)此模型計算出的理論價值普遍高于市場價格,這也與很多前人的研究結論相符。這說明所用定價模型并不完全適應于我國的可轉債市場,我國的可轉債市場機制與假定條件并不與國外完全相符。運用此單因素模型計算可轉債的定價存在很明顯的誤差。
  接著,基于此模型不可避免的缺陷,本文嘗試轉換思路,跳出公式模型的禁錮,從機器學習的角度,開展可轉債估價問題探索。通過機

2、器學習方法對無法做任何假定的錯綜復雜的可轉債價格影響因素進行分析,所選影響因素幾乎涵蓋所有方面。通過幾種常用的機器學習方法作比較,得出結論為:對于可轉債價格估價,運用隨機森林的方法最好,五折交叉驗證的訓練集NMSE低至0.009,測試集NMSE也低至0.046。進一步選擇隨機森林模型對13只可轉債進行價格估計,估價效果明顯優(yōu)于基于股價的單因素模型。這種擬合與預測效果可能比任何一種基于公式模型計算出的可轉債估價都要理想。因此,在實際可轉債

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論