简介:摘要:过往研究中发现,深度学习方法中的LSTM模型在预测金融时间序列时表现良好。本文基于LSTM模型,对模型的层数、结构、激活函数等进行优化,并将优化后的模型用于对上证50ETF收盘价的预测,结果发现:①模型的层数会影响预测结果,过浅或过深的模型层数都会降低模型的预测能力,两层的LSTM模型对上证50ETF收盘价的预测能力最佳;②引入非线性激活函数的全连接层作为隐藏层可以提升模型的预测能力,exponential激活函数的表现最佳;③对特定隐藏层使用Xavier权重初始化方法可以提升模型预测能力。优化后的LSTM模型预测能力明显提升,该优化方法为LSTM模型构造提供了新的思路。
简介:摘要:上证50ETF期权是对A股市场产生深远影响的金融衍生工具,该期权的定价问题研究具有重要意义。Black-Scholes模型是期权定价的基本模型,在期权定价上的实用性不言而喻。本文结合基于GARCH模型预测波动率和历史波动率的Black-Scholes模型为上证50ETF期权定价,并以平均偏离度量化评价Black-Scholes模型的定价效果,发现基于GARCH模型预测波动率的Black-Scholes期权定价方法能够提高定价效果。
简介:摘要:上证50ETF期权是对A股市场产生深远影响的金融衍生工具,该期权的定价问题研究具有重要意义。Black-Scholes模型是期权定价的基本模型,在期权定价上的实用性不言而喻。本文结合基于GARCH模型预测波动率和历史波动率的Black-Scholes模型为上证50ETF期权定价,并以平均偏离度量化评价Black-Scholes模型的定价效果,发现基于GARCH模型预测波动率的Black-Scholes期权定价方法能够提高定价效果。