在现代金融市场中,金融衍生产品扮演着十分重要的角色。而在众多的金融衍生物当中,期权是一种重要的基础性衍生产品,如何准确地为期权定价一直是众多学者研究的重要课题。期权市场是一个高度复杂的非线性动态系统,尽管经典的BS期权定价模型被认为是近30年以来期权定价发展中十分重要的研究成果,但是同实际金融市场交易价格比较,仍然呈现出比较明显的系统偏差。产生这些偏差的主要原因是由于该类模型所基于的理想化假设。而人工神经网络作为一种重要的非参数化数据驱动模型,近些年来在期权定价中也得到了大量的关注与应用。它使得人们可以充分利用数据,在没有任何限制和任何假定下,由数据确定模型的结构和参数,从而获得良好的定价效果。本文详尽地介绍了期权定价的研究背景和神经网络的原理与发展,探讨了神经网络的结构设计,应用BP神经网络和小波神经网络,选取江铜CWB1权证作为研究对象,通过Matlab软件编程分别建立了基于上述两种神经网络的期权定价模型,并利用训练好的两种神经网络分别进行一步和五步预测,最后采用MSE、MAE和MRE三种误差指标来评价不同模型的预测精度。通过实证分析对比神经网络模型与BS模型的期权定价效果,发现神经网络的定价精度大大优于传统的BS定价模型。而不论是BP神经网络还是小波神经网络,其一步预测要比五步预测精确,印证了神经网络适合超短期预测的理论依据。另一方面,无论是一步预测还是五步预测,属于局部逼近网络的小波神经网络在一定程度上又优于BP神经网络,其中定价效果最为突出的小波一步预测的平均相对误差仅为6.7%。