来源：期刊VIP网 时间：
作者：凌倩瑜;刘宁;曾渝翔;陈晓鹏;
单位：汕头大学数学系;汕头大学计算机系;
摘要：传统Black-Scholes期权定价模型因假定波动率为常数，导致定价结果存在较大误差。文章采用分数布朗运动驱动的粗糙Bergomi随机波动率模型，针对国内金融市场进行波动率曲面刻画，并采用2022年1月4日至2022年12月30日的沪深300ETF期权的日交易数据进行实证分析，利用神经网络两步法进行参数校准，结果表明，粗糙Bergomi模型的定价精度优于Heston模型和BS模型，神经网络两步法在参数优化效果上优于差分进化算法。
关键词：粗糙Bergomi模型;;神经网络两步法;;Heston模型;;BS模型;;差分进化算法
基金资助：国家自然科学基金资助项目（12271185）;; 广东省普通高校特色创新项目（2022KTSCX037）;; 广东省自然科学基金面上项目（2025A1515011188）
