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、项目实际价值三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。