周玉琴　朱福敏

（1.西南财经大学，四川成都 611130；2.深圳大学，广东 深圳518060）

大数据背景下我国上证50ETF期权定价研究

周玉琴1朱福敏2

（1.西南财经大学，四川成都 611130；2.深圳大学，广东 深圳518060）

为分析我国上证50ETF期权标资产价格隐含分布特点，在标的资产价格分别服从IHS分布、Weibull分布和对数正态分布假设基础上，对其定价及预测，并运用数据挖掘中机器学习方法修正以上参数模型误差（参考模型方法），进一步与机器学习期权定价中的直接方法和层叠方法比较。实证结果表明，参考模型方法优于其他两种方法，较之支持向量机、神经网络和Boosting算法，随机森林算法可有效预测欧式看涨期权价格，但针对不同价值区间和到期日，标的资产价格隐含分布特点不一致。

IHS分布；随机森林；参考模型方法；价值区间

一、引言

上证50ETF期权上市标志我国金融市场迎来首只场内期权产品，为投资者开展风险管理提供有力工具，准确计算价格并预测未来价格有助于投资者有效决策。此外，大数据时代背景下，如何运用数据挖掘提高期权价格预测精度对风险管理至关重要。Black和Scholes［1］在假设标的资产价格服从对数正态分布基础上推导出欧式期权定价公式，并广泛应用，但因无法解释波动率微笑而受到诸多质疑。为解决此问题，学者改变对数正态分布假定以对期权定价，如McDonald等［2］推导GB2 （Generalized Beta of the Second Kind）分布下的期权定价公式，Mauler等［3］在其他研究基础上，进一步比较各分布下期权定价误差，实证结果表明IHS（Inverse Hyperbolic Sine）分布下的……