基于FFT与Transformer算法的混合期权定价模型研究

摘要

为解决经典期权定价模型与实际价格数据偏差较大的问题，选取BS期权定价模型，采用快速傅里叶变换（Fast Fourier Transform, FFT）结合Transformer多头注意力机制深度学习算法，对上证300ETF期权与上海期货交易所黄金期权数据进行实证研究，通过改进的Transformer算法对基于FFT算法的期权定价模型与实际金融市场期权价格数据之间的残差值进行二次训练。结果表明，与其他算法（BS、FFT-BS）及其他混合算法（FFT-BS+ARIMA、FFT-BS+LSTM）模型相比，基于FFT-BS+Transformer的算法在R²、MSE、NRMSE以及MAE等统计指标上均有很好的表现，且针对不同波动、不同品种的期权，该混合算法模型均取得了较好的结果。将改进后的Transformer算法应用到期权定价中，可弥补经典期权定价模型的不足，提供了更加精确的期权定价模型。

关键词

计算机神经网络 / 金融市场 / 期权定价 / 深度学习 / 混合模型 / 多头注意力机制