股票场外期权交易策略研究

发布时间：2020-05-05 01:23

【摘要】：期权作为一种重要的金融衍生产品,在金融市场上起着重要的作用,作为套期保值的一种重要工具,能很好的规避风险,指导市场参与者进行投资。2015年2月,我国首只场内期权——上证50ETF期权正式上市。2015年9月,监会出台了新的管理办法,将场外期权交易由审核制改为了备案制,使得场外期权的交易更为合法化与规范化,也提高了证券公司,期货公司,私募公司与个人投资者对场外期权的投资的兴趣。场内与场外期权交易市场在我国开始建立与不断发展。随着我国金融市场的不断发展完善,中国的期权市场也在不断的完善中。本文主要从两方面研究现在场外股票期权的常用期权——沪深300,上证50与中证500的30天,90天和180天的欧式期权。一方面是通过构建贝叶斯长短时间神经网络集成来对Black-Scholes期权定价模型中的隐波动率进行预测,实验证明贝叶斯长短时间神经网络集成的效果要优于传统的循环神经网络集成与长短时间神经网络集成。另一方面是对现实的场外期权进行投资分析,以财通证券的场外期权报价为例,结论是沪深300与上证50场外期权适合投资而中证500由于其成分股导致的不稳定性,不适合场外期权投资。
【图文】：

图 10.2 LSTM 神经网络的 LSTM 细胞一个 LSTM 单元中有一个 cell 负责将可能需要的的的信息输入到下一个 LSTM 单元则由门来决有三个门——遗忘门（forget gate），输入门（遗忘上层的隐藏细胞信息。上一个 LSTM 单元个激活函数输出隐藏门的tf(*[,])1fttftf Whx b 记忆单元的保存信息，tf 等于 0 时，记忆单元组成

120 天数据），RNN 集成要比 LSTM 集成与 BLSTM 集成的预测效果要差很多，RMSE与 CRPS 指标有较大的幅度变化。可以看出 RNN 模型在处理长时间序列时的确没有 LSTM模型要好，随着时间越长，预测效果下降得越厉害。5.2 场外期货期权交易基于财通证券场外期权报价单的真实场外期权报价与我们的通过预测波动率计算的期权价格进行对比，判断真实的场外期权报价是高估还是存在低估。财通证券场外期权报价为大约每周报价一次，一年大概报价 52 次。以 2017 年为例，公开的报价次数为51 次。由 2017 年 1 月 3 日开始到 2017 年 12 月 25 日结束。我们研究一整年的场外期权回报率，由于有 180 天场外期权，即需要半年之后的数据来做对比，如果研究 2018年的场外期权投资回报率的话，，需要到 2019 年 6 月 30 日的数据，所以本节我们研究2017 年一整年的场外期权投资回报。
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51;F832.5

【参考文献】

相关期刊论文 前7条

1 于志军;杨善林;章政;焦健;;基于误差校正的灰色神经网络股票收益率预测[J];中国管理科学;2015年12期

2 王X;;上证50ETF期权定价、风险与套利研究[J];中国物价;2015年09期

3 吴恒煜;马俊伟;朱福敏;林漳希;;Lévy过程下非对称GARCH模型权证定价[J];系统工程;2014年10期

4 张原锟;杨华;;基于Black-Scholes模型的沪深300股指期权定价研究[J];北华大学学报(社会科学版);2014年02期

5 李聪;杨德平;孙海涛;;基于EMD与BP神经网络的中国股票指数期货价格预测[J];青岛大学学报(自然科学版);2012年02期

6 王文波;费浦生;羿旭明;;基于EMD与神经网络的中国股票市场预测[J];系统工程理论与实践;2010年06期

7 牟旷凝;;蒙特卡洛方法和拟蒙特卡洛方法在期权定价中应用的比较研究[J];科学技术与工程;2010年08期

相关硕士学位论文 前6条

1 刘懿莹;场外期权发展现状及定价方法研究[D];山东大学;2016年

2 孙瑞奇;基于LSTM神经网络的美股股指价格趋势预测模型的研究[D];首都经济贸易大学;2016年

3 王瑞;基于卷积神经网络的图像识别[D];河南大学;2015年

4 蒋峤;蒙特卡罗模拟法和拟蒙特卡罗模拟法在期权定价问题中的对比研究[D];复旦大学;2013年

5 张凌;基于人工神经网络的期权定价模型[D];武汉理工大学;2007年

6 俞振州;有限元法在期权定价中的应用[D];浙江大学;2006年

本文编号：2649293