2018年中国A股的上证指数经历了25%的下跌,金融风险的释放使得可转债成了证券市场中防控风险的一道靓丽风景线,国外的可转债市场发展日新月异,国内的可转债定价研究相对落后。因此本文先介绍了可转债定价与深度学习的相关理论,之后建立模型,把可转债的价值拆分为期权部分和公司债部分。在B-S期权定价模型中,波动率的测度与拟合一直是学术研究的重点,近些年很多研究把机器学习的技术应用于金融市场中,无论是对于金融数据进行预测还是分类,先进的数据分析技术在金融市场中取得了很好的研究效果。而LSTM神经网络对于处理时间序列数据具有优势,同时深度学习也善于处理非线性数据,故而结合以上两点优势选取合适的可转债数据,实证过程中用LSTM神经网络与传统线性GARCH模型对于波动率的拟合对比,利用LSTM神经网络对于可转债的期权部分定价进行改善。而防控金融风险,金融领域需要进行创新,丰富金融市场,增加投资者对冲风险的途径。所以本文在下部分大胆引入奇异期权可转债,介绍了奇异期权的相关理论后,以障碍可转债为例,开发了一种新的障碍可转债套利模式,并且基于股票价格的几何布朗运动,利用上一部分的LSTM神经网络拟合波动率的技术,对于四种障碍可转债进行蒙特卡洛模拟,将模拟的定价结果与普通可转债进行对比,并介绍了障碍可转债的套利方法。