Research Specifications

Home \کاربرد روش تابع پایه ای شعاعی ...
Title کاربرد روش تابع پایه ای شعاعی برای قیمت گذاری غیرعادی
Type of Research Thesis
Keywords تابع پایه ای شعاعی, تفاضلات متناهی, روش L-پایدار, اختیار معامله غیرعادی
Abstract در این پایان نامه, اختیار معامله غیرعادی مالی یک اختیار معامله غیراستاندارد است که به طور گسترده در زمینه مالی استفاده شده است.خواص این اختیار معامله ها پیچیده تر از اختیار معامله وانیلا هستند که ماکزیمم و مینیمم قیمت را دارا می باشد و مطابق با مقدار میانگین قیمت دارایی در یک دوره ی زمانی خاص اعمال می شود. همواره بیشتر اختیارات معامله اروپایی و آمریکایی به وسیله معادلات با مشتقات جزئی مدل می شوند. روش های عددی برای بدست آوردن جواب مسئله دارای چالش های مطابق با ناپیوستگی شرط عایدی می باشد. در مورد استفاده از روش تابع پایه ای شعاعی برای تقسیم بندی ویژه در رابطه با گام زمانی L-پایدار برای قیمت گذاری اختیار معامله ی غیرعادی است.ما در مورد مشتق کامل تابع پایه ای شعاعی مبنی بر روش بدون شبکه برای گسسته سازی مکانی یک عملگر مستقل وابسته به زمان بحث می شود و طرح L-پایدار پاده مرتبه بالا برای گسسته سازی زمانی سیستم بدست آمده از شکل کسری جزئی معادله کاملا گسسته را بیان می کنیم. هدف در این مسئله یک روش L-پایدار مرتبه بالا برای قیمت گذاری اختیار معامله غیرعادی مورد بحث قرار داده شده است. گسسته سازی مکانی توسط تابع پایه ای شعاعی براساس روش آزاد شبکه محلی برای بدست آوردن معادله دیفرانسیل معمولی مرتبه اول انجام شده است. از روش L-پایدار مرحله چهارم یک حل عددی برای مسئله یک یا دو دارایی برای اختیار معامله دیجیتال و پروانه گسترش و اختیار معامله مانع انجام شده با نتایجی که دقت بالایی دارند پیروی می کند که توافق خوب با یافته هایی که ار روش های عددی دیگر در ادبیات بدست آمده است. قیمت کذاری اختیار معامله غیرعادی تحت مدل بلک شولز کاربرد مهمی در مهندسی مالی دارد و استفاده ار روش های عددی برای به دست آوردن قیمت اختیار معامله غیرعادی درسال های اخیر مورد توجه بسیاری از محققین قرار گرفته است. در این پایان نامه سعی در این شده است که با استفاده از روش بدون شبکه ی توابع پایه ای شعاعی برای حل عددی قیمت گذاری چند دارایی اختیار معاملات استفاده شود.
Researchers (Student)، Mojtaba Ranjbar (Primary Advisor)، Monireh Nosrati Sahlan (Advisor)