我国于2005年8月22日,再次建立了权证市场,由于制度不够健全,投资者对权证的理论缺乏细致的了解,导致我国权证市场较为混乱。盲目的炒作加大了投资者的风险,如果能够模拟未来一段时间内权证价格的走势,则能够为投资者的投资决策提供一定的依据,有利于风险的减小和市场的稳定。由于Black-Scholes模型的假设多与实际不符,通过Black-Scholes模型得到的理论价格往往与实际的市场价格相差甚远,因此需要建立一个假设相对较弱的模型来模拟权证的价格走势。神经网络的非线性、自组织性、自学习性、自调节性,为我们提供了有力的模拟工具。本文利用近些年发展起来的小波神经网络理论,采用了Morlet小波函数作为隐含层的激活函数,LMS(Least Mean Square)能量函数作为误差函数。在用附加动量法对网络进行训练时,分阶段对梯度项和动量项的系数进行调节,建立模拟我国权证市场的小波神经网络,并对上汽CWB1进行了实证模拟,比较了小波神经网络与传统的Black-Scholes模型得到的权证价格与实际市场价格的偏差,得出了小波神经网络在模拟权证价格方面优于传统Black-Scholes模型的结论。