基于机器学习算法的金融期权波动率预测  

作　　者：马天平 吴卫星[2] 

机构地区：[1]对外经济贸易大学 [2]对外经济贸易大学金融系

出　　处：《学海》2018年第5期201-209,共9页Academia Bimestris

基　　金：本文系国家自然科学基金重点项目“中国金融体系的演化规律和变革管理”(项目号：71733004)的阶段性成果。

摘　　要：期权波动率预测是期权风险预警管理的关键问题,传统方法采取GARCH等时间序列模型。与传统方法不同,本文创建了基于机器学习算法的"SKRG递进集成"新预警体系,体系以中国波指为对象,采取48个相关指标作为对中国波指预测的特征(Feature),依次引入SVM机器学习、KNN样本不平衡机器学习、RF划分、GBDT优化完成机器学习建模过程,逐步提高预测精准率。测试样本显示,基于机器学习的预测效果好于传统的GARCH模型。本文的理论价值在于丰富了期权随机波动率预测领域的相关文献,应用价值在于为波动率的预测进而期权风险预警提供了新的方法。

关 键 词：机器学习 期权交易 波动率预测 

分 类 号：F224[经济管理—国民经济] F832.5