基于B-S模型的沪深300ETF期权实证研究

论文选取了2022年6月22日到期的沪深300ETF购6月5908A看涨期权和沪深300ETF沽6月4529A看跌期权,利用Python软件构建Black-Scholes模型以计算两只期权在该模型下的理论价值,并与实际收盘价进行对比,检验B-S模型在沪深300ETF期权中的适用性。结果表明:①B-S模型在预测沪深300ETF价格走势方面具有借鉴意义,能够为投资者作出交易决策提供参考;②B-S模型对于看跌期权的定价模拟更加精确。

我国沪深300ETF期权定价有效性实证分析

选取10002495.SH、10002501.SH和10002575.SH三份为标的资产的沪深300ETF的期权合约,以2020年6月19日至2020年12月23日的收盘价数据为样本,运用二叉树期权定价模型计算期权理论价格。计算了直接由标的资产收盘价获得的历史波动率和通过反解B-S方程得到的隐含波动率,并讨论了这两者作为二叉树期权定价模型输入参数对最终期权理论价格的影响,通过线性回归分析和定量指标分析探讨理论价格和实际价格的关系。研究发现,二叉树定价模型能够较好地对期权合约进行定价,通过B-S方程得到隐含波动率定价效果优于直接使用历史波动率,并且期权的执行价格越高,模型的定价误差也会越小。

基于SABR模型对沪深300ETF期权波动率高频实证研究

继2015年国内上市了第一支上证50ETF期权,2019年年底A股市场迎来了第二支ETF期权——沪深300ETF期权,对国内期权市场的扩容发展有着重大意义。同时,对SABR模型利用差分进化寻优算法进行参数校准,实证表明其可以得到稳定的参数,进而可对沪深300ETF期权隐含波动率微笑曲线精确拟合,证明了SABR模型的精准性和实用性。对近期上市的中证500ETF期权、创业板ETF期权和其他待上市期权等定价具有很强的借鉴意义,从而推动我国期权市场的稳健发展。

基于单月期限的沪深300ETF期权定价实证研究

针对在2019年12月份上市的沪深300ETF期权,收集其在2020年1~9月9个单月的市场真实交易数据,使用期权定价模型进行实证研究。借助经典B-S-M模型和考虑支付已知股息率B-S-M模型2种期权定价模型分别计算每个单月期限的沪深300ETF看涨看跌期权理论价,并与市场价综合比较后可知,支付已知股息率的B-S-M模型均方误差更小且更精准,从而显现出支付已知股息率B-S-M模型的有效性优势。

沪深300ETF期权推出对标的现货波动性影响的实证分析

沪深300ETF期权的正式推出,为证券市场带来了更为多样化的风险管理工具,对推动中国金融衍生品市场的进一步发展有重要意义。本文选取2019年5月6日至2020年7月31日的沪深300ETF收盘价作为研究的基础数据,运用Eviews软件分别建立GARCH和TARCH模型,通过模型分析沪深300ETF期权推出前后对现货波动的影响。研究显示,从短期来看,沪深300ETF期权推出后较推出前在较小程度上增强了标的现货的波动程度,并且增加了波动的非对称效应,使得市场对利空消息更为敏感。最后,本文分别从加强对沪深300ETF期权的认识、树立正确客观的风险意识、完善风险监管措施以及健全法律法规体系等方面为我国期权市场的健康发展提供了相关的参考建议。

基于随机波动率模型的沪深300ETF期权定价

选取2019年12月23日至2020年8月31日到期日在两个月内的沪300ETF平价看涨期权的日交易数据,计算出隐含波动率,发现存在明显的“波动率微笑”现象;构建Heston模型,并用MCMC法中的Gibbs算法对其参数进行估计。结果表明,B-S公式的定价偏高,相比B-S模型,Heston模型的定价结果更贴合实际,但是当标的资产价格大幅波动时,B-S定价结果比Heston定价更准确。比较Heston模型与B-S公式的定价结果并对误差分析发现,在4种误差衡量方法下,Heston模型的定价均更为准确。

基于LSTM的沪深300ETF期权定价模型研究

将深度学习算法中的长短记忆神经网络(LSTM)引入期权定价的研究中.构建了沪深300ETF看涨期权和看跌期权的LSTM定价模型,进行了实证分析,并和BP神经网络模型的预测结果进行了对比.结果表明,LSTM神经网络模型的预测精度与深度学习的训练次数有关,且LSTM期权定价模型的预测效果要优于传统的BP模型.

股指期权信息能反映投资者情绪吗——基于沪深300ETF期权的实证研究

文章考察基于期权交易信息的投资者情绪综合指数的适用性,首先归纳了好的投资者情绪指标应具有的特点,继而以沪深300ETF期权数据为基础,提取成交量、多空方向和期权隐含波动率三大指标,采用主成分分析法构建投资者情绪综合指数;借鉴美国市场恐慌指数的编制方法,模拟中国市场波动率指数,并将情绪综合指数、波动率指数同沪深300ETF收益率进行格兰杰因果检验和脉冲响应分析。研究发现,基于期权信息的复合情绪指标与传统复合情绪指标均可刻画投资者情绪,但前者与收益率的同步性较后者更强。最后,文章从监管部门和市场投资者层面提出启示。

基于广义双曲分布的沪深300ETF期权定价实证研究

本文利用广义双曲分布(Generalized Hyperbolic,GH)来刻画沪深300ETF收益率尖峰、偏态、厚尾的特征,弥补了正态分布的不足。并利用GARCH过程描述其时变波动率的特征,两者结合建立了基于广义双曲分布的GARCH模型(GARCH-GH)为沪深300ETF期权定价。经测度转换至等价鞅测度下,用蒙特卡洛方法模拟出样本路径来为沪深300ETF欧式看涨期权定价。结果显示,从平均绝对误差(MAE)、均方误差(MSE)以及平均绝对百分比误差(MAPE)三个指标来看GARCHGH模型比AHBS模型、B-S模型的定价误差更小。

基于双对数正态分布的沪深300ETF期权定价

文章在标的资产价格服从双对数正态分布设定下,推导出欧式期权的解析定价公式,从而拓展了经典的Black-Scholes-Merton(BSM)期权定价模型.然后基于期权市场价格和理论价格之差最小化模型来估计双对数正态分布中的待估参数,以使得理论模型更贴合金融市场的实际情况.最后文章基于沪深300ETF期权2020年1月至2022年11月的市场价格数据,来检验模型的定价效果.实证结果表明:无论是样本内拟合还是样本外预测,基于双对数正态分布的定价模型都比BSM模型表现出更加精确的定价结果.