[发明专利]基于神经网络的期权定价方法、系统、设备及存储介质

权利要求书

1.一种基于神经网络的期权定价方法，其特征在于，所述方法包括：

获取与期权相关且用于期权定价的目标数据；

对所述目标数据进行预处理，得到用于进行神经网络模型输入的目标输入数据；

将所述目标输入数据输入到预先训练好的期权定价模型中，得到目标期权价格预测值；

其中，所述期权定价模型是神经网络模型，所述期权定价模型是通过对应类型期权下的样本期权价格期望值和样本期权价格预测值训练得到的，所述样本期权价格期望值是根据样本数据进行期望值计算得到的，所述样本期权价格预测值是将样本数据输入到所述期权定价模型后得到的。

2.根据权利要求1所述的基于神经网络的期权定价方法，其特征在于，所述期权定价模型通过以下步骤训练得到，包括：

获取样本数据集，从所述样本数据集中获取训练样本集；

对所述训练样本集进行预处理，得到用于进行神经网络模型输入的训练样本输入数据；

对所述训练样本输入数据进行期望值计算，得到训练样本期权价格期望值；

将所述训练样本输入数据输入到所述期权定价模型中，通过所述期权定价模型对所述训练样本输入数据进行期权价格预测，得到训练样本期权价格预测值；

根据所述训练样本期权价格预测值和所述训练样本期权价格期望值，计算所述期权定价模型的期权损失值，并根据所述期权损失值调整所述期权定价模型的参数，得到训练后的所述期权定价模型。

3.根据权利要求2所述的基于神经网络的期权定价方法，其特征在于，所述方法还包括；

获取样本数据集，从所述样本数据集中获取测试样本集；

对所述测试样本集进行预处理，得到用于进行神经网络模型输入的测试样本输入数据；

对所述测试样本输入数据进行期望值计算，得到测试样本期望值；

将所述测试样本输入数据输入到所述期权定价模型中，通过所述期权定价模型对所述测试样本输入数据进行期权价格预测，得到测试样本期权价格预测值；

根据所述测试样本期权价格预测值和所述测试样本期望值，计算期权均方误差，并根据所述期权均方误差得到所述期权定价模型性能的评估结果。

4.根据权利要求2所述的基于神经网络的期权定价方法，其特征在于，所述训练样本集中包括训练样本时间集和标的资产价格界限集；

所述对所述训练样本集进行预处理，得到用于进行神经网络模型输入的训练样本输入数据，包括:

从预设的标准正态分布中生成第一正态变量，根据所述第一正态变量、从所述训练样本时间集中选取的第一当前时间和从所述标的资产价格界限集中选取的第一价格，进行解微分处理，得到第一标的资产价格，并将所述第一当前时间、所述第一价格和所述第一标的资产价格作为欧式期权下的训练样本输入数据；

或者，从所述预设的标准正态分布中生成第二正态变量，根据所述第二正态变量、从所述训练样本时间集中选取的第二当前时间和从所述标的资产价格界限集中选取的第二价格，进行解微分处理，得到第二标的资产价格，从预设的均匀分布中生成第一均匀变量，将所述第一均匀变量作为第一候选值，根据所述第二价格得到第二候选值，从所述第一候选值和所述第二候选值中选取最大值，得到第二标的资产历史最高价格，并将所述第二当前时间、所述第二价格、所述第二标的资产价格和所述第二标的资产历史最高价格作为回望期权下的训练样本输入数据；

或者，从所述预设的标准正态分布中生成第三正态变量和第四正态变量，根据所述第三正态变量、所述第四正态变量、从所述训练样本时间集中选取的第三当前时间、从所述标的资产价格界限集中选取的第三价格和从所述标的资产价格界限集中选取的第四价格，进行解微分处理，得到第三标的资产价格和第四标的资产价格，并将所述第三当前时间、所述第三价格、所述第四价格、所述第三标的资产价格和所述第四标的资产价格作为差价期权下的训练样本输入数据。