DQN模型实现的股指期权动态复制方法与应用分析报告.pdf

[Table_Header2024年1月11日

金融工程研究●专题报告

[Table_Title]

DQN模型实现的股指期权动态复制方法与应用

——以沪深300指数为例

核心观点：

[Table_Summary]

⚫动态复制期权收益可规避期权时间价值的成本：期权是绝对收益策略常用

的对冲工具，可实现获取安全垫、增厚收益的效果。但期权的时间价值会随到

期时间临近而逐渐损耗，带来较高的配置成本，而复制期权可规避这一成本。

相比于静态复制，动态复制的风险敞口更小、实现的收益与期权更接近，但当

标的资产价格与期权行权价格接近时，受Gamma较高的影响，Delta复制的交

易成本较高、复制误差较大。为解决这一问题，我们引入DQN模型进行期权

复制。

⚫DQN模型可应用于期权动态复制：DQN是基于价值的强化学习算法，是Q-DQN复制沪深300看涨期权策略表现

Learning强化学习与神经网络的结合。Q-Learning的基本思想是通过不断更新

1.4

值函数Q(s,a)的估计来寻找最优策略，可在未知环境下学习并找到最优策略；

而将深度神经网络（DNN）引入Q-Learning替换Q-Table则可以提高Q-1.2

Learning的泛用性，使模型能够覆盖训练集中未发生过的市场状态，并输出连1

续的动作决策，最终实现组合价值最大化。0.8

2019/12/312020/12/312021/12/312022/12/31

DQN复制Delta复制沪深300指数

⚫DQN复制期权的风险收益表现优于Delta复制：在训练DQN模型的过程

中，首先，鉴于真实市场数据不足，我们采用蒙特卡洛模拟生成训练数据；其资料：Wind，中国银河证券研究院

次，考虑到模型训练过程具有随机性，我们采用多次训练比较回测表现的方法DQN复制沪深300看跌期权策略表现

筛选最优模型。基于最优模型，我们证明了DQN模型可复制期权收益，且相1.5

比Delta复制能够在降低回撤的同时实现更高收益；当标的资产期末价格涨跌1.3

幅在[-5%,5%]之间时，复制期权的超额收益更显著。以DQN模型对沪深1.1

300ETF进行回测，2020-2023年间每月更新期权合约，复制看涨期权实现年