随着世界经济的发展,衍生品市场在金融市场占的比重越来越大,衍生品的定价问题也得到越来越多的学者的关注。期权作为最重要的衍生品之一,对其精确定价一直都是金融领域的难题。著名的布莱克-斯科尔斯-默顿(B-S-M)期权定价模型自提出以来便得到了业界的广泛使用,众多研究者也在其基础上对期权定价问题展开进一步研究。然而,更加精准的期权定价模型始终都是学者们孜孜以求的目标。为了提高期权定价精确度,本文从两方面着手:第一,现有的期权定价模型没有刻画出各类投资者决策心理,因此可以对模型加以改进以描述出投资者异常的投资决策;第二,利用流行的深度学习技术做预测。近年来,机器学习发展迅速,越来越多的机器学习方法在预测领域取得了很好的成果,因此,本文引入机器学习中应用广泛的深度学习技术以拟合期权市场中所包含的复杂关系。基于行为金融学的思想和深度学习技术,本文在B-S-M模型基础上构建新的期权定价模型——基于深度学习的概率扭曲模型,并以SPX(标普500)指数期权历史数据进行实证研究。已有的期权定价模型往往存在不可忽视的误差,本文认为这些误差可能是由于投资者的异常投资决策引起的。因此,首先以Esscher转换对现有正态分布进行扭曲但并不改变其正态性质,并基于B-S-M模型构建了在理论上可以较好地解释波动率微笑的正态概率扭曲期权定价模型。考虑到扭曲因子及其影响因素之间复杂的非线性关系,本文应用深度学习技术搭建了多层神经网络,对未来扭曲因子进行预测。最后,基于SPX指数期权历史交易数据分别对看涨期权和看跌期权进行实证分析,并采用四种误差指标衡量定价误差。实证结果表明:(1)基于纯粹的神经网络模型结果优于经典的B-S-M模型,说明神经网络较好地拟合了期权价格与其影响因素之间复杂的非线性关系。(2)在MSE、RMSE、MAE和MAPE四种定价误差指标下,基于深度学习的正态概率扭曲期权定价模型的表现都是误差最小的,说明新模型的定价效果最好。(3)即使通过滑动窗口法划分训练集与测试集,新模型的期权定价精确度也始终优于经典的B-S-M模型和纯粹的神经网络模型。