随着经济社会的不断发展和进步,企业的经营业务和管理手段也在不断的变化,导致公司的价值类型也在不断的更新。企业面临的未知因素越来越多,管理决策的灵活性也越来越强。这使得以往用于企业价值评估的分析方法逐渐失效,主要在于其无法估计出公司的可变性变化带来的那部分隐藏价值。实物期权恰好弥补了这部分的欠缺。它能够估计公司以上所描述的隐藏价值,从而得到更准确的价值评估结果。本文将从定性和定量两个角度对实物期权展开研究。首先,在定性研究方面。由于实物期权发展并不是非常完全,导致其迄今并没有一个统一的定义。本文就此根据实物期权的特点,通过总结归纳大量文献资料,概括性的给出实物期权的定义及其分类。填补了实物期权这一部分的空白。其次,在定量研究方向。对实物期权进行定价研究。根据其定价方面与金融期权的相似性,比照金融期权定价模型指标选取了标的物的现值S、实施价格X、公司价值的变动率?、执行时间T、无风险利率r,五个指标作为实物期权定价模型的变量。从国泰安数据库中搜集深圳证券交易所上市企业中的55家的财务数据,计算以上指标数值。再利用选定好的指标运用传统实物期权定价模型——Black-Scholes定价模型对实物期权进行定价。再次,鉴于模拟人脑思维方式的人工神经网络,由于其非线性特征与实物期权价格变化的非线性特征高度吻合。本文将RBF(Radial Basis Function,RBF)神经网络算法引入实物期权定价研究。建立了基于RBF神经网络算法的实物期权定价模型。进行实例分析与数值模拟。对模型效果,收敛速度进行分析计算。最后,在RBF神经网络实物期权定价模型的基础上,对模型隐含层中心迭代算法进行改进。引入K-MEANS聚类算法,以提高模型的训练效率。对建立的三个实物期权模型进行比较分析。发现基于RBF神经网络算法下的实物期权定价模型不论从效果和效率上都具有良好的表现,相较于传统定价方法性质上更为优良。所以,将RBF神经网络引入实物期权定价研究具有十分重要的意义。