货币市场、股票市场以及期权市场中的很多决策问题都需要考虑不确定因素的影响,不确定因素是人们在做出调控策略、投资决策时需要考虑的风险,在对决策问题建模时一般通过随机噪声来表示不确定因素带来的风险。应用先进的控制方法来解决经济、金融领域的问题具有重要的参考意义,近年来随机模型预测控制(Stochastic Model Predictive Control,SMPC)的研究取得一定的进展,本文应用SMPC的方法来研究货币政策的利率调控、股票指数跟踪和期权动态对冲,做出以下工作:(1)通过TVP-VAR模型对中国2000-2015年产出缺口、CPI、利率的宏观数据进行建模,应用MCMC方法估计模型参数,TVP-VAR模型中的系数变化特征表现了我国宏观经济模型的随时间演化的情况。随后应用SMPC方法对建立的宏观经济模型进行仿真,并与线性二次型的最优控制进行了对比,结果显示出随机模型预测控制在处理约束条件方面的优势。随机模型预测控制具有一定的前瞻性,避免了“相机抉择”的短视,同时考虑了约束条件,相比“最优承诺”多了一定的灵活性。(2)建立指数跟踪模型时考虑交易费用、卖空限制、股票投资金额占总资产比例限制等因素,构建随机噪声与状态变量和控制变量相乘的离散时间线性系统来描述股票价格变动,利用基于半正定规划的随机模型预测控制方法滚动求解有限时域的优化问题,得到控制策略,最后通过中国股票市场的实际数据进行了仿真和实证,结果也验证了随机模型预测控制的有效性。(3)用经典的BSM模型和考虑随机波动率、随机利率、跳跃风险的BCC模型构建股票价格模型,通过傅里叶变换得到欧式期权的定价公式,然后通过基于情景模拟和随机规划的随机模型预测控制求解考虑交易费用和不考虑交易费用的期权动态对冲问题,最后通过蒙特卡洛仿真和华夏上证50ETF期权的实际数据验证了随机模型预测控制的有效性、灵活性,且其动态对冲的结果优于delta对冲。随机模型预测控制灵活性、显式处理约束条件的能力提供了解决问题的新思路,本文对利率调控、股指跟踪和期权动态对冲等问题的研究有所改进,对实际中相关的决策问题有一定的参考价值。