10.12011/1000-6788(2016)05-1146-10
基于小波-NAR神经网络的气象要素时间序列预测与天气指数彩虹期权估值
本文基于小波-NAR神经网络技术,提出气象要素时间序列预测与天气指数彩虹期权估值的原理与方法,同时采用2000 2014年悉尼日均气温和日降雨量数据,进行气象预测与天气期权估值.结果显示:小波-NAR神经网络因灵活的非线性动态结构较好地反映了气象变化特征,其预测与估值效果优于其他模型;该天气期权价值形成中的非线性特征取决于五种经济效应.科学预测天气和估计天气期权价值,开发天气衍生品,可挖掘天气不确定性的经济价值,弱化其对天气敏感产业的影响.
天气指数彩虹期权、天气期权估值、气象预测、小波-NAR神经网络
36
F831.5;O235;P457(金融、银行)
浙江省自然科学基金重点项目LZ13G030002Zhejiang Provincial Natural Science Foundation of China Key Project LZ13G030002
2017-05-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
1146-1155