作者
赵明扬,周亮锦,王 亮
文章摘要
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。
文章关键词
GARCH模型;上证50ETF期权;期权定价;动态波动率
参考文献
[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.
Full Text:
DOI