基于时间卷积神经网络的期权波动率研究

作     者：李祎 

作者单位：对外经济贸易大学 

学位级别：硕士

导师姓名：唐晓彬

授予年度：2022年

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）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：时间卷积神经网络 隐含波动率 机器学习 模型预测 

摘      要：随着中美贸易摩擦的不断持续,以及中美证监会对于上市企业的监管不断加码和政策冲突,导致国内部分优秀公司在美股退市。逐渐的,为了融资国际资本,在港交所上市发行,成为了这些优秀企业的最佳选择。金融衍生品是港交所近年来加速布局的领域,吸引力大量的资金,期权作为重要的金融衍生品,越来越深受广大投资者的重视。隐含波动率作为期权定价的重要因素被广泛关注。机器学习作为重要的预测技术被广泛应用,本文创新性的使用了最新的用于时间序列数据训练的时间卷积神经网络模型,尝试获得更精准的预测准确率。本文先深入讲述了期权隐含波动率、时间卷积神经网络模型以及长短时记忆神经网络模型理论知识,然后爬取了港交所数据板块2021年7月1日到2021年12月31日的期权交易数据,以其中部分字段作为输入数据维度,生成了神经网络模型所需要的模型训练集和测试集,通过多轮模型实验,对比了以MAPE和RMSE为评估指标的评估结果,选择了最优的超参组合,然后将输入数据维度融入百度指数进行模型实证分析,发现以标的资产名称为单一关键词的百度指数数据,并不能有效提升预测精准度。最后在同等条件下,对比了 LSTM模型的评估结果,发现时间卷积神经网络模型在预测期权隐含波动率方面相比LSTM模型有一定优势。论文最后总结了实证过程中发现的不足,对未来进行了展望。