基于LSTM模型预测波动率的期权交易策略研究.pdf

摘要

随着国内期权交易市场的不断发展与完善，越来越多的个人投资者与机构投

资者参与到了期权交易当中。波动率是影响期权定价的关键因素之一，在期权交

易中是一个重要的参考指标。传统的波动率预测模型由于受到数据频率以及模型

假设条件的限制，在预测精确度上有所欠缺。而人工神经网络凭借其强大的特征

学习能力，在处理金融时间序列上有着明显的优势。因此本文采用人工神经网络

中的LSTM模型预测期权标的资产的波动率，并在此基础上构建波动率交易策略，

为广大投资者提供新的交易思路。

本文以上证50ETF为研究对象，分别构建了基于高频收盘价格序列的LSTM

模型、基于已实现波动率序列的LSTM模型和GARCH（1，1）模型，对样本外的

上证50ETF日度波动率进行预测，并使用四种损失函数来评估各个模型的预测效

果。随后以基于高频收盘价格序列的LSTM模型预测得到的波动率为核心指标，

分别构建了三种不同的开仓阈值，对跨式策略、宽跨式策略、蝶式策略、鹰式策

略这四种期权交易策略进行回测。最后更换回测区间与回测标的对交易策略进行

稳健性测试。

本文研究表明：（1）基于高频收盘价格序列的LSTM模型预测波动率的准确

度要显著高于基于已实现波动率序列的LSTM模型和GARCH（1，1）模型。（2）

跨式策略和宽跨式策略在波动率交易策略回测中表现良好，蝶式策略和鹰式策略

在波动率交易策略回测中表现较差。说明跨式策略和宽跨式策略更适合运用到本

文所构建的期权交易策略中。（3）通过更换回测区间与回测标的，对跨式策略和

宽跨式策略进行稳健性测试，回测结果依旧表现良好。

关键词：期权市场，LSTM，波动率预测，交易策略构建

ABSTRACT

Withthecontinuousdevelopmentofthedomesticoptionstradingmarket,an

increasingnumberofindividualandinstitutionalinvestorshaveparticipatedinoptions

trading.Volatilityisoneofthekeyfactorsaffectingoptionspricingandservesasan

importantreferenceindicatorinoptionstrading.Traditionalvolatilitypredictionmodels,

limitedbydatafrequencyandmodelassumptions,lackprecisionintheirforecasts.

However,artificialneuralnetworks,withtheirpowerfulfeaturelearningcapabilities,

exhibitclearadvantagesinprocessingfinancialtimeseries.Therefore,thesisemploys

theLSTMmodelfromartificialneuralnetworkstopredictthevolatilityofthe

underlyingassetsofoptionsand,basedonthis,constructsvolatilitytradingstrategies,

offeringnewtradinginsightstoabroadrangeofinvestors.

ThesistakestheSSE50ETFastheresearchsubject,constructingLSTMmodels

basedonhigh-frequencyclosingpriceseriesandrealizedvolatilityseries,aswellasa

GARCH(1,1)model,topredicttheout-of-sampledai