项目名称: 高维度、非线性模型下的金融资产定价和风险定量计算

项目编号: No.71471100

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 管理科学

项目作者: 王小群

作者单位: 清华大学

项目金额: 62万元

中文摘要: 金融资产定价和风险控制是金融工程的核心课题,需要准确的计量建模和大量复杂的分析和数值计算。由于金融产品的复杂性和模型的高维度和非线性等特征,解析方法和传统计算方法均面临挑战。本项目致力于建立符合金融市场规律、并与数据典型特征相匹配的金融资产的数学模型,发展处理复杂海量金融数据的统计方法和数值方法。重点研究:(1)资产定价与波动率建模,包括金融资产的收益规律、波动率发生机制与建模,特别是多因子和非线性模型。(2)资产定价中的高性能算法,包括高维积分的计算方法和低偏差点列的构造、随机微分方程的模拟方法、高维问题的降维方法、复杂衍生产品和美式期权的定价。(3)风险度量与计算,包括新的一致性风险度量与计算以及风险敏感性参数的计算。目标是发展高效、稳健、实时的新型分析和计算方法,建立一般性的收敛性和误差估计理论,探索解决高维非线性问题的新途径,为金融实践提供关键的金融建模、数据分析和数值模拟方法。

中文关键词: 资产定价;金融数学;计算金融;风险度量;期权定价

英文摘要: Financial asset pricing and risk control are the core of financial engineering, their solutions require accurate modelling and a large amount of complicated analysis and computation. Because of the complexity of the financial products, and the high dimensionality and non-linearlity of the financial econometric models, analytical tools and traditional numerical methods face challenges. More advanced analytical tools and computational methods are needed. This project aims to establish accurate mathematical models for financial assets that are consistent with the nature of the financial markets and are consistent with the stylized facts in financial data, and to develop statistical and computational methods for financial models. The project focuses on the following aspects: (1) Asset pricing and volatility modelling, including the asset returns, the modelling for volatility, especially the multi-factor and nonlinear models; (2) High performance computational methods in asset pricing, including the computational methods for high-dimensional integrals and the constructions of low discrepancy point sets, simulation methods for stochastic differential equations, dimension reduction methods for high-domensional financial problems, pricing methods for complex exotic derivatives and American options. (3) Risk measures and their computation, including new coherent risk measures and their effective computation, the computation of sensitivities (Greeks) of financial derivatives. Our aim is to develop effective, robust and real-time methods for financial data analysis and computation, to establish general theories of convergence and error estimation, and to propose methods for solving high-dimensional nonlinear problems in pricing and hedging. We hope that our research can provide key methods for financial modelling, data analysis and computation in financial practice.

英文关键词: Asset pricing;Mathematical finance;Computational finance;Risk measures;Option pricing

成为VIP会员查看完整内容
1

相关内容

金融数学又称计量金融学、数学金融学,是专为金融市场而设的一门应用数学。计量金融本义上与金融经济学的范畴有密切的关系,然而前者所涉及的领域比较狭隘,理念也比后者抽象。
计算体系架构研究综述与思考
专知会员服务
65+阅读 · 2022年3月21日
【干货书】Python金融分析,714页pdf掌握数据驱动金融
专知会员服务
94+阅读 · 2021年12月17日
专知会员服务
97+阅读 · 2021年6月23日
干货书《金融数学导论: 概念与计算方法》,290页pdf
专知会员服务
63+阅读 · 2021年5月7日
专知会员服务
88+阅读 · 2021年4月12日
专知会员服务
34+阅读 · 2021年2月9日
专知会员服务
30+阅读 · 2021年2月7日
【硬核书】矩阵代数:统计学的理论、计算和应用,664页pdf
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
基于深度学习的金融指数基金设计
专知
3+阅读 · 2022年2月26日
定价模型,该如何做分析?
人人都是产品经理
0+阅读 · 2022年2月21日
数据资产化前瞻性研究白皮书
专知
2+阅读 · 2021年11月19日
Python金融计算库,附量化交易书
专知
5+阅读 · 2021年4月12日
【智能金融】机器学习在反欺诈中应用
产业智能官
35+阅读 · 2019年3月15日
R语言之数据分析高级方法「时间序列」
R语言中文社区
17+阅读 · 2018年4月24日
互联网金融中的交易反欺诈模型
炼数成金订阅号
14+阅读 · 2018年3月9日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关VIP内容
计算体系架构研究综述与思考
专知会员服务
65+阅读 · 2022年3月21日
【干货书】Python金融分析,714页pdf掌握数据驱动金融
专知会员服务
94+阅读 · 2021年12月17日
专知会员服务
97+阅读 · 2021年6月23日
干货书《金融数学导论: 概念与计算方法》,290页pdf
专知会员服务
63+阅读 · 2021年5月7日
专知会员服务
88+阅读 · 2021年4月12日
专知会员服务
34+阅读 · 2021年2月9日
专知会员服务
30+阅读 · 2021年2月7日
【硬核书】矩阵代数:统计学的理论、计算和应用,664页pdf
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
相关资讯
基于深度学习的金融指数基金设计
专知
3+阅读 · 2022年2月26日
定价模型,该如何做分析?
人人都是产品经理
0+阅读 · 2022年2月21日
数据资产化前瞻性研究白皮书
专知
2+阅读 · 2021年11月19日
Python金融计算库,附量化交易书
专知
5+阅读 · 2021年4月12日
【智能金融】机器学习在反欺诈中应用
产业智能官
35+阅读 · 2019年3月15日
R语言之数据分析高级方法「时间序列」
R语言中文社区
17+阅读 · 2018年4月24日
互联网金融中的交易反欺诈模型
炼数成金订阅号
14+阅读 · 2018年3月9日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员