این پژوهش با هدف ارائه چارچوبی نوین برای قیمت‌گذاری قراردادهای اختیار معامله در بورس اوراق بهادار تهران انجام شده است. بدین منظور، ابتدا مدل‌های کلاسیک (مانند Black–Scholes و Heston ) بررسی شده و محدودیت‌های آن‌ها در بازار ایران مشخص گردید. سپس مدل‌های نوسان شرطی برای ARCH، GARCH، EGARCH، GJR-GARCH برآورد نوسانات مورد استفاده قرار گرفت. در ادامه، الگوریتم‌های یادگیری ماشین (شبکه‌های عصبی، XGBoost، LSTM ) به‌کار گرفته شدند تا دقت پیش‌بینی افزایش یابد. یافته‌ها نشان می‌دهد که مدل‌های ترکیبی (Hybrid) متشکل از تخمین نوسان شرطی و الگوریتم‌های هوش مصنوعی نسبت به مدل‌های منفرد عملکرد بهتری دارند و کمترین خطا RMSE، MAPE، IVRMSE را در پیش‌بینی قیمت اختیار معامله به‌دست می‌دهند. این نتایج بیانگر ضرورت استفاده از رویکردهای داده‌محور و ترکیبی برای توسعه بازار مشتقات در ایران است.

اختیار معامله مدل‌های نوسان شرطی یادگیری ماشین قیمت‌گذاری بورس اوراق بهادار تهران