自2015年起,我国相继上市了上证50ETF期权、沪深300ETF期权和沪深300股指期权,这些期权的交易量逐年上升,已经成为了当今世界主要的期权品种之一,随着我国期权市场的不断扩大,投资者有了更多的风险对冲工具和投资对象。在投资领域,量化投资已经成为了主流的投资策略,并且基于机器学习算法的量化投资策略正逐渐被广大投资者所应用。集成学习是机器学习领域的一个较大分支,如今无论在学术领域还是业界,集成学习都得到了广泛应用,因此,本文研究集成学习在期权投资领域的应用。本文选择集成学习3个流派共5个模型进行实证分析,Bagging系列集成学习选择随机森林、极限随机树,Boost系列集成学习选择梯度提升树、XGBoost,以及自成一个派系的Stacking集成学习算法。在进行预测之前,首先进行超参数搜索,本文选择网格搜索与交叉验证法相结合的方式进行超参数搜索,随后将训练好的模型应用于测试集,接下来将预测结果应用于投资策略中,并计算收益。在进行完模拟交易后,为了验证集成学习对期权价格的拟合能力是否优于传统的布莱克-斯科尔斯模型,本文用集成学习建立了期权定价模型,并与布莱克-斯科尔斯模型进行对比,最终无论是看涨期权还是看跌期权,以及无论是哪种集成学习算法,其可决系数都高于布莱克-斯科尔斯模型。通过实证分析,本文得出如下结论:首先,超参数搜索可以有效地提高模型的预测能力,所有模型在通过超参数搜索后在测试集内均获得了更高得分,其中,Bagging系列集成学习着重于对参数max＿features进行超参数搜索,Booost系列集成学习着重对参数n＿estimators进行超参数搜索。其次,集成学习算法可以有效地对期权价格进行预测,具体而言,模型对看涨期权的预测能力要高于看跌期权的预测能力,Boost、Stacking算法的预测能力要高于Bagging算法的预测能力,XGBoost对看涨期权的预测能力最强,梯度提升树对看跌期权的预测能力最强。再次,本文所使用的期权投资策略能有效地获取收益,获取收益的大小与模型的预测能力相关,XGBoost在看涨期权中收益最高,Stacking在看跌期权中收益最高。最后,集成学习对期权的定价能力要优于布莱克-斯科尔斯模型。