基于深度学习算法的波动率预测研究——以上证50ETF期权为例

作     者：周爱民 管瑞 Zhou Aimin;Guan rui

作者机构：南开大学金融学院天津市300350 

出 版 物：《华北金融》 (Huabei Finance)

年 卷 期：2021年第9期

页      面：15-21页

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 

主　　题：深度学习 滚动窗口 隐含波动率 波动率预测 

摘      要：波动率是衍生品定价、金融风险度量和市场恐慌情绪衡量的重要指标,波动率的合理预测对于市场参与者和监管者具有重要的意义。深度学习能够学习金融数据的内在规律,捕获到数据中的非线性关系,降低金融数据中噪音的影响。期权隐含波动率包含了市场对未来波动的预期,具有更好的风险预警能力。本文以深度学习算法为基础,运用上证50ETF期权为研究标的,构建波动率预测模型,实现对波动率的高精度预测。本文拓展了传统机器学习研究方法,利用金融学中滚动窗口的方法,实现了全样本数据的预测,并与传统波动率模型进行比较研究。本文主要结论如下:从实践角度,深度学习模型在波动率预测上显著且稳健地优于传统波动率预测模型,预测精度提高大约200%;从理论角度,深度学习虽然是一个黑箱模型,但是在金融领域上的应用仍然体现出一定的金融学假设与思想,比如渐进独立假设、长期预测精度下降等。