基于机器学习的可转债定价与实证分析研究

摘要：

可转换债券作为一种兼具债券和股票特征的金融产品,已成为资本市场重要的融资工具和广大投资者青睐的资产配置工具.由于国内可转债的附加条款及内含期权复杂,常用的Black-Scholes公式严格的前提假设往往造成定价结果偏差较大.经实证发现,以31个可转债因子作为解释变量,通过支持向量回归能很好地拟合可转债价格.

关键词：可转债定价;Black-Scholes模型;机器学习;支持向量回归

分类号：F832(金融、银行)

资助基金：本文系国家自然科学基金面上项目"流动性压力、信息交互与价格联动——基于中国股票和债券市场多层复杂网络的风险交叉传播机制与控制修复策略研究"项目批准号,71873039,71573051

在线出版日期：2021-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：58-71