【摘要】：期權(quán)作為一種重要的金融衍生產(chǎn)品,在金融市場上起著重要的作用,作為套期保值的一種重要工具,能很好的規(guī)避風(fēng)險(xiǎn),指導(dǎo)市場參與者進(jìn)行投資。2015年2月,我國首只場內(nèi)期權(quán)——上證50ETF期權(quán)正式上市。2015年9月,監(jiān)會(huì)出臺(tái)了新的管理辦法,將場外期權(quán)交易由審核制改為了備案制,使得場外期權(quán)的交易更為合法化與規(guī)范化,也提高了證券公司,期貨公司,私募公司與個(gè)人投資者對場外期權(quán)的投資的興趣。場內(nèi)與場外期權(quán)交易市場在我國開始建立與不斷發(fā)展。隨著我國金融市場的不斷發(fā)展完善,中國的期權(quán)市場也在不斷的完善中。本文主要從兩方面研究現(xiàn)在場外股票期權(quán)的常用期權(quán)——滬深300,上證50與中證500的30天,90天和180天的歐式期權(quán)。一方面是通過構(gòu)建貝葉斯長短時(shí)間神經(jīng)網(wǎng)絡(luò)集成來對Black-Scholes期權(quán)定價(jià)模型中的隱波動(dòng)率進(jìn)行預(yù)測,實(shí)驗(yàn)證明貝葉斯長短時(shí)間神經(jīng)網(wǎng)絡(luò)集成的效果要優(yōu)于傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)集成與長短時(shí)間神經(jīng)網(wǎng)絡(luò)集成。另一方面是對現(xiàn)實(shí)的場外期權(quán)進(jìn)行投資分析,以財(cái)通證券的場外期權(quán)報(bào)價(jià)為例,結(jié)論是滬深300與上證50場外期權(quán)適合投資而中證500由于其成分股導(dǎo)致的不穩(wěn)定性,不適合場外期權(quán)投資。
【圖文】：

圖 10.2 LSTM 神經(jīng)網(wǎng)絡(luò)的 LSTM 細(xì)胞一個(gè) LSTM 單元中有一個(gè) cell 負(fù)責(zé)將可能需要的的的信息輸入到下一個(gè) LSTM 單元?jiǎng)t由門來決有三個(gè)門——遺忘門（forget gate），輸入門（遺忘上層的隱藏細(xì)胞信息。上一個(gè) LSTM 單元個(gè)激活函數(shù)輸出隱藏門的tf(*[,])1fttftf Whx b 記憶單元的保存信息，tf 等于 0 時(shí)，記憶單元組成

120 天數(shù)據(jù)），RNN 集成要比 LSTM 集成與 BLSTM 集成的預(yù)測效果要差很多，RMSE與 CRPS 指標(biāo)有較大的幅度變化�？梢钥闯� RNN 模型在處理長時(shí)間序列時(shí)的確沒有 LSTM模型要好，隨著時(shí)間越長，預(yù)測效果下降得越厲害。5.2 場外期貨期權(quán)交易基于財(cái)通證券場外期權(quán)報(bào)價(jià)單的真實(shí)場外期權(quán)報(bào)價(jià)與我們的通過預(yù)測波動(dòng)率計(jì)算的期權(quán)價(jià)格進(jìn)行對比，判斷真實(shí)的場外期權(quán)報(bào)價(jià)是高估還是存在低估。財(cái)通證券場外期權(quán)報(bào)價(jià)為大約每周報(bào)價(jià)一次，一年大概報(bào)價(jià) 52 次。以 2017 年為例，公開的報(bào)價(jià)次數(shù)為51 次。由 2017 年 1 月 3 日開始到 2017 年 12 月 25 日結(jié)束。我們研究一整年的場外期權(quán)回報(bào)率，由于有 180 天場外期權(quán)，即需要半年之后的數(shù)據(jù)來做對比，如果研究 2018年的場外期權(quán)投資回報(bào)率的話，，需要到 2019 年 6 月 30 日的數(shù)據(jù)，所以本節(jié)我們研究2017 年一整年的場外期權(quán)投資回報(bào)。
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F832.51;F832.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 于志軍;楊善林;章政;焦健;;基于誤差校正的灰色神經(jīng)網(wǎng)絡(luò)股票收益率預(yù)測[J];中國管理科學(xué);2015年12期

2 王X;;上證50ETF期權(quán)定價(jià)、風(fēng)險(xiǎn)與套利研究[J];中國物價(jià);2015年09期

3 吳恒煜;馬俊偉;朱福敏;林漳希;;Lévy過程下非對稱GARCH模型權(quán)證定價(jià)[J];系統(tǒng)工程;2014年10期

4 張?jiān)K;楊華;;基于Black-Scholes模型的滬深300股指期權(quán)定價(jià)研究[J];北華大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2014年02期

5 李聰;楊德平;孫海濤;;基于EMD與BP神經(jīng)網(wǎng)絡(luò)的中國股票指數(shù)期貨價(jià)格預(yù)測[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

6 王文波;費(fèi)浦生;羿旭明;;基于EMD與神經(jīng)網(wǎng)絡(luò)的中國股票市場預(yù)測[J];系統(tǒng)工程理論與實(shí)踐;2010年06期

7 牟曠凝;;蒙特卡洛方法和擬蒙特卡洛方法在期權(quán)定價(jià)中應(yīng)用的比較研究[J];科學(xué)技術(shù)與工程;2010年08期

相關(guān)碩士學(xué)位論文 前6條

1 劉懿瑩;場外期權(quán)發(fā)展現(xiàn)狀及定價(jià)方法研究[D];山東大學(xué);2016年

2 孫瑞奇;基于LSTM神經(jīng)網(wǎng)絡(luò)的美股股指價(jià)格趨勢預(yù)測模型的研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2016年

3 王瑞;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別[D];河南大學(xué);2015年

4 蔣嶠;蒙特卡羅模擬法和擬蒙特卡羅模擬法在期權(quán)定價(jià)問題中的對比研究[D];復(fù)旦大學(xué);2013年

5 張凌;基于人工神經(jīng)網(wǎng)絡(luò)的期權(quán)定價(jià)模型[D];武漢理工大學(xué);2007年

6 俞振州;有限元法在期權(quán)定價(jià)中的應(yīng)用[D];浙江大學(xué);2006年

本文編號：2649293