[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

说明书

本申请实施例提供了基于神经网络的期权定价方法、系统、设备及存储介质，属于期权定价领域。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。本申请能够在处理多维期权定价问题的同时，提高期权定价效率。

技术领域

本申请涉及期权定价领域，尤其涉及基于神经网络的期权定价方法、系统、设备及存储介质。

背景技术

期权定价是金融市场中的一项重要活动，其中，期权定价是根据影响期权价格的因素，通过适当的数学模型，去分析模拟期权价格的市场变动情况，最后获得合理的理论价格。

相关技术中，常利用随机微分方程模型、树模型、PDE方法、蒙特卡洛方法得到期权价格的解析解，然而，随机微分方程模型往往分析不了更为复杂的金融衍生品，树模型和PDE方法都存在维度灾难，只能处理低维问题，而蒙特卡洛方法作为期权定价中适用范围最广的方法，通过模拟多条路径，用平均值估计真实期望，然而，由于需要模拟上万条路径，计算效率低。

发明内容

本申请实施例的主要目的在于提出一种基于神经网络的期权定价方法、系统、设备及存储介质，能够在处理多维期权定价问题的同时，提高期权定价效率。

为实现上述目的，本申请实施例的第一方面提出了一种基于神经网络的期权定价方法，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。

在一些实施例中，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。

在一些实施例中，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。