Prediktabilitas Pengembalian Opsi melalui Pembelajaran Mesin: Bukti Baru dari Tiongkok

ABSTRAK
Kami memperluas literatur tentang penetapan harga aset empiris ke pasar opsi Tiongkok dengan membangun dan menganalisis serangkaian faktor prediksi pengembalian yang komprehensif menggunakan berbagai metode pembelajaran mesin. Berbeda dengan studi sebelumnya untuk pasar AS, kami menekankan keunikan pasar yang sedang berkembang ini, menyelidiki strategi lindung nilai harian untuk membangun portofolio delta-netral, dan mengidentifikasi karakteristik terpenting untuk prediksi pengembalian. Pembatasan penjualan singkat di pasar keuangan Tiongkok mengurangi efektivitas lindung nilai spot, sedangkan portofolio delta-netral berdasarkan lindung nilai berjangka memberikan peningkatan substansial baik dalam pengembalian tahunan maupun rasio Sharpe. Model pembelajaran mesin tidak hanya mengungguli tolok ukur IPCA, tetapi juga menunjukkan kemampuan generalisasi yang kuat saat diterapkan pada kontrak opsi yang baru diterbitkan. Kinerja di luar sampel tetap signifikan secara ekonomi setelah memperhitungkan biaya transaksi.