پژوهش حاضر تفسیر جدیدی از تکنیک تبدیل انتگرال تعمیم یافته به عنوان یک روش عددی همه منظوره قدرتمند به نام روش تبدیل انتگرال ارائه می‌دهد. این روش مدل‌های معادلات دیفرانسیل جزئی غیرخطی را به یک سیستم غیرخطی جفت شده از معادلات دیفرانسیل معمولی تبدیل می‌کند تا به صورت عددی حل شوند. از طرفی در پژوهش حاضر تنها بحث قیمت‌گذاری مطرح نیست، بلکه کالیبراسیون مدل که یک فرآیند حیاتی است جهت این موضوع طراحی شده است که تفاوت بین قیمت‌های مشاهده شده و قیمت‌های مدل را به حداقل برساند. جهت ‌پیاده‌سازی مدل مطرح شده، پژوهش حاضر از داده‌های اختیار خرید عرضه شده در بورس اوراق بهادار تهران استفاده نموده است و به عنوان نمونه اطلاعات اختیار خرید سهام شرکت سایپا برای سر رسید خرداد ماه 1401 را مورد استفاده قرار داده است. در ابتدا با کدنویسی در محیط پایتون تابع توزیع احتمال شرطی برای مقادیر مختلف دارایی پایه بدست آمده و در ادامه به کالیبراسیون مدل در سررسید‌های مختلف پرداخته شد. نتایج پژوهش نشان داد که کالیبراسیون مدل مبتنی بر الگوریتم ‌بهینه‌سازی ازدحام کبوتر برای آپشن‌هایی مناسب است که در همه‌ی سناریوهای سررسید در وضعیت بی‌تفاوتی یا سوددهی هستند و در سناریوی میان مدت و بلندمدت در وضعیت ‌زیان‌دهی هستند. در ادامه نیز می‌توان از کالیبراسیون مبتنی بر الگوریتم ‌بهینه‌سازی کلونی مورچه‌ها برای آپشن‌هایی استفاده کرد که در سناریو کوتاه مدت در وضعیت ‌زیان‌دهی هستند. پرونده مقاله

هدف این مقاله، مقایسه کالیبراسیون مدل‌های قیمت‌گذاری اوراق اختیار خرید مبتنی‌بر نوسانات تصادفی و تکنیک تبدیل انتگرال تعمیم‌یافته است. بدین‌منظور، از تکنیک تبدیل انتگرال تعمیم‌یافته مبتنی‌بر نوسانات ثابت و نیز مدل هستون مبتنی‌بر نوسانات متغیر برای قیمت‌گذاری استفاده شد. جهت ‌اجرای مدل مطرح شده، پژوهش حاضر از داده‌های اختیار خرید عرضه شده در بورس اوراق بهادار تهران استفاده نموده است. نتایج نشان داد در وضعیت بی‌تفاوتی و وضعیت سوددهی کالیبراسیون مدل هستون برای همه سررسیدها بهتر از تکنیک تبدیل انتگرالی تعمیم‌یافته عمل می‌کند. در وضعیت ‌زیان‌دهی نیز اگرچه کالیبراسیون مدل هستون در دوره کوتاه‌مدت ضعیف عمل می‌کند، اما با افزایش زمان تا سررسید، کالیبراسیون مدل هستون بهتر از تکنیک تبدیل انتگرالی در میان‌مدت و بلندمدت پاسخ داده است. بر این اساس، پیشنهاد می‌شود در راستای توسعه زیرساخت‌های آموزشی و فرهنگ‌سازی اوراق اختیار معامله، اداره ابزارهای نوین مالی شرکت بورس اوراق بهادار تهران، جهت محاسبه پارامترهای کلیدی قراردادهای اختیار معامله در سناریوهای مختلف، مدل ارائه شده این مقاله را مد نظر قرار دهد تا بدین طریق ارزشگذاری دقیق‌تری از قراردادهای اختیارمعامله بدست آید. پرونده مقاله

در پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) جهت پیش‌بینی درماندگی مالی شرکت‌ها پیشنهاد شده‌است. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش می‌دهد؛ زیرا از پارامترهای اضافی هنگامی که متغیرهای ورودی بیش از حد هستند، اجتناب می‌کند. برای تأیید اثربخشی این مدل، تعداد 181 شرکت پذیرفته شده در بورس اوراق بهادار تهران (905 شرکت-سال) با استفاده از نمونه‌ای سیستماتیک در دوره زمانی 1390 تا 1394 انتخاب شدند که از این تعداد، 58 شرکت-سال درمانده مالی و تعداد 847 شرکت-سال سالم بودند. این شرکت‌ها به طور تصادفی به دو مجموعه تقسیم شدند: مجموعه آموزش جهت طراحی مدل و مجموعه وارسی جهت اعتبارسنجی مدل. نتایج حاصل از پژوهش نشان می‌دهد سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) قابلیت پیش‌بینی وقوع درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران را دارد و زمانیکه مدل پیشنهادی با الگوریتم فراابتکاری ازدحام کبوتر ترکیب می‌گردد با کاهش مقدار خطا دقت مدل افزایش می‌یابد. بنابراین مشاهده می‌شود که استفاده از یک الگوریتم مکمل می‌تواند دقت پیش‌بینی مدل PCA-ANFIS را افزایش دهد. پرونده مقاله