上证50ETF期权隐含波动率曲面预测研究——基于融入先验金融知识的集成GRU神经网络

• 作者: 白祥 张金良 靳慧娜 河南科技大学数学与统计学院
• 来源期刊: 上海节能
• 关键词: 隐含波动率曲面 GRU神经网络 可解释机器学习 上证50ETF期权
• 年，卷（期）: 2024,（2）
• 所属期刊栏目: 节能论坛
• 页码范围: 120-120
• 页数: 1页
• 语种: 中文
• DOI: 10.13770/j.cnki.issn2095-705x.2024.02.013

摘要

基于Zheng等人[1]的研究框架，即将先验金融知识纳入神经网络的设计和训练，提出了一种预测隐含波动率曲面的集成GRU神经网络模型。该模型使用了一种包含波动率微笑的激活函数，并将无套利、左右边界和渐进斜率等金融条件纳入神经网络的训练过程中。利用上证50ETF期权2015年2月9日至2023年3月31日期间的交易数据进行了实证分析。实证结果显示：与SSVI模型和基准神经网络模型相比，集成GRU模型在训练集上的平均绝对百分比误差为8.56，在测试集上的平均绝对百分比误差为11.17，是所有模型中预测精度最高的，同时满足了嵌入的金融条件。