考虑投资者情绪的GARCH-改进神经网络期权定价模型

摘要：

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格.引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数.利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一.最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中.选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究.结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况.

关键词：期权定价、投资者情绪、粒子群算法、BP神经网络、自回归条件方差模型

所属期刊栏目：27

分类号：F830.9(金融、银行)

资助基金：国家自然科学基金资助项目B5101900;教育部人文社会科学基金资助项目Y9150040;中央高校重大决策咨询项目D214433w;广东省科技计划资助项目N5150160,N4150880;广州市社科重大资助项目N5150160

在线出版日期：2018-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：863-871,880