The Black-Scholes model is not appropriate as an accurate option pricing model due to various errors come from assumptions about parameters. As a result, various studies have presented improved option pricing models in parametric or nonparametric ways, but these models were too complex to be actually applied and so Black-Scholes model is still used as a meaningful option pricing model. In this study, I used support vector regression and XGBoost, nonparametric algorithms based on machine learning, to verify option pricing performance versus Black-Scholes model as a benchmark. As a result, XGBoost was significantly superior for call option, and the put option was disputable. On the moneyness basis, the machine learning-based model clearly showed outstanding performance for out-of-money options, where many transactions take place in the market.
블랙-숄즈 모형은 모수의 가정에서 오는 다양한 오류로 인해 정확한 옵션 가격 평가 모형으로서 적절하지 않다. 이에 따라 다양한 연구들이 모수적 혹은 비모수적 방법으로 개량된 옵션 가격 결정 모형을 제시했으나 실제로 적용하기엔 모형들이 복잡했고 여전히 블랙-숄즈 모형은 의미 있는 옵션 가격 예측 모형으로 쓰이고 있다. 본 연구에서는 기계 학습에 기반한 비모수적 알고리즘인 서포트벡터 회귀와 엑스지부스트를 사용해 블랙-숄즈 모형을 벤치마크로서 옵션 가격 평가 성능을 검증했다. 그 결과, 콜옵션에 대해서는 엑스지부스트가 유의미하게 뛰어난 결과를 보였으며 풋옵션은 단언할 수 없었다. 가격성을 기준으로 살펴보면 시장에서 많은 거래가 이루어지는 외가격 옵션에 대해 기계 학습 기반 모형이 확실히 뛰어난 성능을 보였다.
