基于主成分分析的神经网络算法对期权价格预测研究

骆 桦，刘 兴

(浙江理工大学理学院，杭州 310018)

基于主成分分析的神经网络算法对期权价格预测研究

骆 桦，刘 兴

(浙江理工大学理学院，杭州 310018)

采用基于主成分分析的神经网络算法对华夏上证50ETF期权价格进行预测，并使用期权数据验证该方法的有效性。比较传统Black-Scholes期权定价、单个BP神经网络算法和基于主成分分析的BP神经网络算法对期权价格的预测精度，结果表明：基于主成分分析的BP神经网络算法预测精度最高，传统的Black-Scholes期权定价方法其预测精度最低。

期权价格；Black-Scholes期权定价；主成分分析；BP神经网络

0 引 言

金融市场中的期权是重要的金融衍生品，期权交易始于18世纪后期的美国和欧洲市场，1973年芝加哥期权交易所进行标准化合约的买卖后，期权得到迅猛发展。期权又被称作选择权，是指在未来一定期限内可以买卖某种资产的权利，期权的买方向卖方支付一定的期权费，拥有在未来一段时间或者特定时期以事先约定好的价格向卖方买入或者卖出一定数量的标的资产的权利。期权价格变动影响着市场中投资者的利益，因此预测期权价格非常重要。2015年2月9日，中国大陆市场诞生了唯一一只可交易期权——华夏上证50ETF期权，研究该期权的价格变动对中国市场的投资者来说具有重要意义。

常用的期权价格预测方法有时间序列、BP神经网络等。时间序列方法中典型模型是ARMA模型[1]。李干琼等[2]利用时间序列模型对农产品市场价格进行短期预测，模型预测误差为10%；……