作为金融衍生品的重要组成部分，期权具有风险投资、价值发现、套期保值等功能，是投资者管理资产的重要工具。然而，由于传统期权定价模型建立的假设和实际市场存在不吻合之处，且未考虑投资者市场态度、市场趋势等影响因素，模型在实际应用的过程易产生定价系统性误差和套利误差。因此，构建预测精度更高的期权价格预测模型，对投资者更好地发挥期权的正确作用，理解期权价格影响因素，和金融市场健康稳健地发展有着至关重要的作用。
　　本文以上证50ETF认购期权作为研究对象，基于Black-Scholes期权定价公式、LSTM神经网络和投资者情绪建立期权价格预测模型。首先，在考虑期权价格影响因素时，考虑到Black-Scholes期权定价公式和期权交易状况，本文选取期权标的资产收盘价格、期权执行价格、期权剩余到期时间、无风险利率、期权标的资产波动率、期权交易量、期权持仓量、期权结算价、期权开盘价作为期权价格影响因素。同时，鉴于国内金融市场为新兴证券市场且监管制度不健全，投资者非理性行为存在，本文构建投资者情绪复合指数，探讨期权价格是否受到投资者情绪的影响。其次，考虑到LSTM神经网络凭借多层隐含层具备较强的非线性逼近能力，且引入记忆单元可学习数据中蕴含的时序规律，因此本文以BP神经网络、SVM、XGBoost预测模型作为对照组，MAE、MSE、MRE作为模型预测精度评价标准，探讨LSTM神经网络是否能在期权价格预测中取得更优的预测效果。最后，从网络结构、模型输入两方面优化预测模型，即增加隐含层和引入BS理论价格作为输入，探讨模型预测能力是否有所改善。
　　通过实证得到如下结论：其一，投资者情绪可对期权价格产生显著影响，表明期权投资者在进行投资决策时会受到非理性成分的影响。其二，LSTM神经网络预测精度始终优于BP神经网络、SVM、XGBoost预测模型。由于LSTM神经网络模型具有更高水平的非线性组合运算能力，且门机制的存在帮助LSTM神经网络模型可以学习长周期的历史信息，使得LSTM神经网络更适宜拟合高维、局部聚簇的长时序数据。其三，考虑期权理论价格BS和适当的增加隐含层层数或改变训练算法后，模型预测误差将进一步减小，表明期权定价理论对期权市场价格具有指导意义，且模型结构与模型预测精度相关。
　　本文的研究成果为提出具备更高预测精度的LSTM神经网络期权价格预测模型，对帮助投资者认识期权价格非理性波动，更好利用信息对期权价格进行预测具有指导意义。