自2005年开始,我国股市中存在的一大问题--股权分置开始得到解决。作为对价手段的一种,权证开始规模发行并上市。之后,其市场价格的巨幅波动引起了国内学者的注意。对于权证市场这样一个高度复杂的非线性动态系统,其变化既有内在的规律性,同时也受市场、经济、非经济等诸多因素的影响。广大研究者纷纷致力于研究客观科学的权证评估方法,以期帮助投资者更好的进行决策。 B-S模型是迄今为止被认为最精确有效的期权定价模型,但该模型必须建立在许多假设下,而这些假设与现实世界是不尽相符的,使得此模型在实际运作上容易产生价格偏差的现象。人工神经网络由于能模拟人脑的思维方式,具有高速计算和学习的特性,使它在预测、评价等方面有很好的应用效果。它不需要精确的数学模型,没有任何前提与假设,因此可以弥补传统定价方法的不足,解决一些用传统定价方法不能解决的问题。 本文将人工神经网络与遗传算法结合,选取目前市场上2008年1月1日前上市的权证作为研究对象,建立基于遗传神经网络的权证定价模型。采用的分析期间,为各权证上市之后连续三个月交易的资料,其中前两个月资料作为学习样本,后一个月资料作为测试样本。在权证定价中,标的股价波动率是一个重要变量,本文对所选权证的隐含波动率进行了估计,并将其作为遗传神经网络模型的输入参数,以期得到精确的权证仿真值。 通过对比分析遗传神经网络模型与B-S定价模型的均方误差和平均绝对误差,发现遗传神经网络模型在定价精确度上均优于B-S定价模型,且遗传神经网络模型使用隐含波动率后,整体降低了与市场价格的误差。