第一章 绪论 1
第一节 研究背景 1
第二节 研究文献评述 3
一 总体概述 3
二 随机微分方程的数值方法综述 5
三 随机模型的参数校准综述 9
第三节 研究内容 15
第二章 带跳随机延迟微分方程弱解的高阶逼近 18
第一节 带跳的随机延迟微分方程 19
第二节 跳扩散随机延迟微分方程解存在性与唯一性 20
第三节 跳适应的弱解泰勒近似逼近方案 25
一 高维伊藤公式 25
二 适应的跳跃数值近似算法 27
二 弱收敛定理的证明 30
第四节 一个金融领域的数值算例 35
第五节 本章小结 38
第三章 分数阶随机微分方程驱动的期权定价 39
第一节 分数阶随机微分方程模型 40
一 分数阶积分和微分 40
二 记忆效应和Hurst指数 43
三 分数阶随机微分方程 46
第二节 基于分数随机微分方程的欧式看涨期权定价 47
一 分数阶伊藤公式 47
二 基于分数阶随机微分方程的欧式看涨期权定价公式 52
第三节 数值模拟分析 58
第四节 本章小结 63
第四章 金融均值回复随机系统的参数估计算法 65
第一节 随机模型和直接模拟方法 66
第二节 利率期限结构随机模型的参数估计 69
一 贝叶斯统计推断方法 69
二 基于马尔可夫链的蒙特卡洛方法 70
三 一种新的随机模型参数估计算法 72
第三节 数值模拟分析 74
第四节 本章小结 78
第五章 利率期限结构模型的参数校准 79
第一节 矩估计法 80
第二节 拟极大似然估计法 82
一 拟极大似然函数 82
二 粒子群优化算法 84
三 基于粒子群优化算法的一种新的仿真算法 85
第三节 利率期限结构模型中未知参数的估计 86
一 参数估计结果 86
二 参数估计算法的稳健性检验 89
第四节 美国国库券数据中的应用 90
第五节 本章小结 94
第六章 总结与展望 95
第一节 本书的主要结论与创新点 95
第二节 有待进一步研究的问题 97
参考文献 99