金融从业者通过期权期货交易从而达到规避风险、获取利润的目的,对期权价格有一个正确的认识,可以帮助他们做出正确的决策。随着计算机技术的发展以及金融从业者对量化研究的日益看重,通过数学建模对期权进行定价吸引了越来越多金融从业者的目光。本文基于方差伽马模型(Variance Gamma Model),发展出一个新的期权定价模型一莱维期限结构模型(Term Structure Levy Model)。本文首先介绍该模型的理论基础和开发思路,之后采用2017年1月27日以黄金ETF(GLDETF)为标的物的多个到期日期、多个期权执行价格的期权价格数据作为实证研究对象,先对这些数据做一些预处理,之后放入到参数最优化过程中,用优化好的模型对期权价格作出预测,对比预测数据和市场数据,对模型的定价能力作出评价,同时本文也引入了VGSA模型(Variance Gamma Model with Stochastic Arrival Model),与莱维期限结构模型进行对比,比较两个模型在设计思路方面的不同以及在期权价格预测方面的表现,最后对模型的应用前景作出预测。本文首先引入该模型的研究背景,之后介绍了本文定价方式的相关知识和模型部分的理论知识,之后采用以GLD ETF为标的物的期权价格进行实证分析,实证过程主要包括数据预处理、参数优化、模型预测、对比评价和模型评估五个步骤。在数据处理方面,本文运用EM算法对数据进行自动补足处理,从而保证之后计算机的参数优化正常运行。在参数优化的方法选择上,本文采用经典的非线性优化算法—Nelder-Mead算法,由于模型参数复杂,直接运用该算法效率太低,本文会对该算法作出一定调整。之后本文会用优化好的模型对期权价格进行预测,此外由于本文在绘制波动率曲面和期权价格曲面需要大量的预测数据,为了提高效率,在期权定价时采用快速傅立叶变换的方法。在模型对比阶段,主要是比较新的莱维期限结构模型和成熟的VGSA模型在期权价格预测方面的优劣势。本文实证结果表明,莱维期限结构模型和VGSA模型在数据拟合方面和期权价格预测方面能力相当,都具有一定的精确度,但是莱维期限结构模型具有量化参数随时间变化程度的能力。本文研究内容和方法,可以加深金融从业者对期权投资的认识,同时莱维期限结构模型也可以为进一步的机器学习过程提供有效的数据。本文首先介绍了莱维期限结构模型的研究背景和意义,以及模型相关的研究现状,之后介绍了本文相关的研究方法和模型的知识背景,从概念定义到算法应用都有详细的介绍,是本文实证研究的理论基础。然后是模型实证研究思路,主要是介绍模型实证研究的方法流程,接下来是模型实证分析过程,包括数据处理、参数优化和模型评价等阶段,最后是展望和总结,总结了模型的不足和优势,对模型的发展方向作出了一定的预期。