深度学习 vs. 黑色-施欧尔斯模型：巴西 Petrobras 股票期权定价绩效
统计金融
2025-04-30 v1 机器学习
摘要
本文探讨了使用深度残余网络对巴西世界最大的石油和天然气生产商之一 Petrobras 的欧式期权进行定价，并将其绩效与黑色-施欧尔斯 (BS) 模型进行比较。使用来自 B3 (巴西证券交易所) 的八年历史数据通过网页抓取收集，采用包含市场数据和分析定价的自定义构建的混合损失函数训练深度学习模型。训练和测试数据采用 2016 年 11 月至 2025 年 1 月的时段，使用 80-20 的训练-测试划分。测试集由 2025 年的最后三个月（十一月、十二月和一月）组成。深度残余网络模型在测试集上相对于黑色-施欧尔斯模型实现了 64.3% 的均绝对误差降低，适用于 3-19 BRL (巴西雞金) 区间。此外，与黑色-施欧尔斯解方程不同，后者随时间间隔增长而降低准确性，而深度学习模型在更长的到期期间保持准确。这些发现突显了深度学习在金融建模中的潜力，未来工作将聚焦于针对不同价格区间的专用模型。
引用
@article{arxiv.2504.20088,
title = {Deep Learning vs. Black-Scholes: Option Pricing Performance on Brazilian Petrobras Stocks},
author = {Joao Felipe Gueiros and Hemanth Chandravamsi and Steven H. Frankel},
journal= {arXiv preprint arXiv:2504.20088},
year = {2025}
}
备注
11 pages, 7 figures, 3 tables