基于SVR的期权价格预测模型

被引：21

作者：

杨建辉

李龙

机构：

[1] 华南理工大学工商管理学院

来源：

系统工程理论与实践 | 2011年 / 31卷 / 05期

关键词：

预测; SVR; 非参数; 权证; GARCH;

D O I：

暂无

中图分类号：

F830.91 [证券市场]; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

提出了运用非参数方法SVR与改进的期权定价方法结合的期权价格预测模型.首先利用股票价格收益率的偏度和峰度对传统的期权定价方法计算出期权的价格进行修正.然后,通过引入非参数方法SVR对其结果进行拟合来减小传统参数模型的误差,并建立SVR滑动窗口预测模型.由于传统的方法不能有效的把握实际期权价格的运动趋势和非线性的特点,所以在第一阶段的预测后,在第二阶段引入SVR来解决其非线性,进而减小误差.最后,利用我国长虹CWB1权证以及随机10只认购权证日价格数据进行实证检验.结果表明:在预测精度方面,非参数方法要优于传统的参数方法,而改进后的期权定价方法比传统的方法更符合实际情况.

引用

页码：848 / 854

页数：7

共 6 条

[1] 应用混合神经网络和遗传算法的期权价格预测模型
张鸿彦
林辉
[J]. 管理工程学报, 2009, 23 (01) : 59 - 62+87
[2] 利用标准化波动率微笑预测期权价格的实证分析
安娜
金朝嵩
刘志强
[J]. 经济数学, 2007, (01) : 10 - 14
[3] Improving option price forecasts with neural networks and support vector regressions[J] . Xun Liang,Haisheng Zhang,Jianguo Xiao,Ying Chen.Neurocomputing . 2009 (13)
[4] Skewness and Kurtosis Implied by Option Prices: A Correction[J] . Christine A.Brown,David M.Robinson.Journal of Financial Research . 2002 (2)
[5] Application of support vector machines in financial time series forecasting
Tay, FEH
Cao, LJ
[J]. OMEGA-INTERNATIONAL JOURNAL OF MANAGEMENT SCIENCE, 2001, 29 (04): : 309 - 317
[6] Financial forecasting using support vector machines
Cao, L
Tay, FEH
[J]. NEURAL COMPUTING & APPLICATIONS, 2001, 10 (02) : 184 - 192

← 1 →