金融機械学習における最近の研究では、深層学習手法が単純なアプローチよりも高い非線形関係を学習できることが示されています。特に、Informersのようなトランスフォーマーアーキテクチャは、金融時系列予測において期待されていますが、オプションデータへの適用はまだ十分に探求されていません。本研究では、Vision Transformer（ViT）アーキテクチャを用いて、オプションデータから資産の次の30日間の実現ボラティリティを予測するモデルの初期研究を行います。ViTは、インプライドボラティリティ面から季節的パターンや非線形特徴を学習できることを示しており、これはモデル開発の有望な方向性を示唆しています。