赵明扬,周亮锦,王 亮

本文基于广义自回归条件异方差（GARCH）模型，对上证50ETF期权的定价效率进行了实证分析。研究通过Tushare数据库获取上证50ETF期权的日线市场数据，结合局部风险中性定价关系（LRNVR）框架，动态刻画期权标的资产的时变波动率特征，并与传统Black-Scholes（BS）模型的定价效果进行对比。实证结果表明：（1）GARCH(1,1)模型的参数估计值满足平稳性条件（），验证了中国期权市场波动率的持久性特征；（2）GARCH模型的均方根误差（RMSE）较BS模型平均降低20%，表明动态波动率建模能够显著减少深度实值或虚值期权的定价偏差；（3）模型在2025年1月至4月的62个期权合约样本中表现出稳定性，其理论价格与市场实际结算价的偏离度更小，证实了GARCH框架在中国衍生品市场的适用性。

GARCH模型；上证50ETF期权；期权定价；动态波动率

[1] Black,F,Scholes,M.The Pricing of Options and Corporate Liabilities[J].Journal of Political Economy,1973,81(3):637-654. [2] John C.Hull 著,王勇,索吾林,张翔译.期权、期货及其衍生产品:原书第 11 版[M].机械工业出版社,2022. [3] Bollerslev,T.Generalized autoregressive conditional heteroskedasticity[J].Journal of Econometrics,1986:31(3),307-322. [4] Duan,J.C.The GARCH option pricing model[J].Mathematical Finance,1995:5(1),13-33. [5] 谭钦韬.基于波动率的期权交易策略研究[D].西安理工大学,2024. [6] 刘叶霏.上证 50 指数及其衍生品市场收益与波动的影响[D].大连海事大学,2024. [7] Hilpisch Y.Derivatives analytics with Python:data analysis,models,simulation,calibration and hedging[M].John Wiley\&Sons,2015. [8] 谢梅芬.基于 Python 的个人金融数据获取与分析[J].数字技术与应用,2023,41(5):118-122.

点击下载PDF