基于对期权标的资产价格走势判断来构建方向性策略是目前我国期权交易策略构建的主要方向。随着期权市场的火热,研究期权交易具有重要意义。同时,近年来对于量化投资的研究也十分火热,研究手段也日渐成熟。因此,如何利用量化投资手段在波动的期权市场中为投资者规避风险,创造收益也成为一个重要的研究主题。根据现有文献以及实证分析,利用个股期权套利的重要前提是掌握标的资产的价格波动情况。然而,采用传统数理模型和单一技术方法来对股价进行预测,结果基本都与实际情况存在较大出入。而信号分解方法在处理金融资产价格这种波动无明显规律,波动频率高、起伏波动大的序列时表现出了良好的适应性,其处理结果也能挖掘序列自身的经济意义。目前信号分解方法在其他金融资产价格处理中都表现出了不错的效果,同时本文也会依据序列特征选择合适的机器学习模型进行集成预测。因此,本文构建的期权交易策略具有一定的参考价值。本文首先提出一种基于CEEMDAN信号分解、LSTM和Light GBM的预测方法来预测期权标的资产价格。以上证50ETF期权交易为例,用自适应白噪声完整经验模态分解（CEEMDAN）来对期权标的资产——上证50进行分解后得到多个本征模函数（IMFn）,然后使用均值假设方法,将相似度高的子序列重构为高频序列与低频序列。再分别运用Light GBM对高频数据和LSTM对低频数据进行模型训练,二者预测值集成即可获得最终的标的资产预测值。同时,本文选择使用沪深300来代表市场整体走势,以沪深300的波动情况划分市场状态,根据不同市场状态选择相应的期权交易策略。具体策略为:在震荡市场中,实行现金担保看跌期权策略;在牛市中,实行牛市价差策略;在熊市中,实行熊市价差策略。此外,本文还设置了对比模型,选择半年的时间进行交易策略回测。以上证50的策略回测结果为例来验证策略的有效性。结果表明,本文在预测方法上的改进是合理的,构建的交易策略在震荡市场和牛市中均可以为投资者规避风险,创造收益。本文的创新点主要有两点:一是拓展了信号分解方法在期权标的资产预测上的运用,将LSTM和Light GBM运用于信号分解后的子序列预测,提高了标的资产价格预测的精度。二是将期权标的资产价格预测和个股期权投资组合交易相结合,按照不同的股市趋势划分市场,根据不同的市场设计不同的期权策略。本文构建的基于CEEMDAN-LSTM集成模型的期权交易策略具有不错的市场表现,但是仍存在一些不足之处。如在预测指标选取方面仅选择了标的资产价格这一个变量,对于不同市场状态的划分相对粗糙。在后续的研究中可以考虑引入影响期权价格的多变量对模型加以改进,使模型具有更强的泛化能力。