| کاربرد یادگیری عمیق در قیمت‌گذاری اختیار با استفاده از مدل نوسان تصادفی هستون و روش مونت کارلو |
| کد مقاله : 1039-FEMATH7 |
| نویسندگان |
|
علی بلفکه *1، نوراله موسوی2، سیما مشایخی3 1ریاضی- علوم پایه - اراک -اراک -ایران 2آمار، علوم پایه، اراک، اراک، ایران 3ریاضی، علوم چایه، اراک، اراک، ایران |
| چکیده مقاله |
| پیشرفت‌های اخیر در زمینه هوش مصنوعی، یادگیری ماشین و همچنین در صنعت کامپیوتر منجر به استفاده از این تکنیک‌ها برای حل مسائل پیچیده در اکثر علوم و صنعت شده است. البته همین امر در مورد صنعت مالی و ریاضیات مالی نیز صادق است. اخیراً توجه جامعه مالی در زمینه یادگیری عمیق و شبکه‌های عصبی مصنوعی جلب شده است. در این مقاله یک مسئله کلاسیک ریاضی مالی - قیمت‌گذاری اختیار- تحت مدل‌های نوسان تصادفی هستون به داده‌های بازار را در نظر می‌گیریم. برخی از مسائل در رویکردهای موجود را برجسته و راه‌کارهایی را پیشنهاد می‌کنیم که هم عملکرد و هم دقت قیمت‌گذاری اختیار را بهبود می‌بخشند. ضمن معرفی اختیارها، مدل‌های نوسانات تصادفی هستون، روش گرادیان کاهشی در یادگیری ماشین، روشی کاربردی و مؤثر مبتنی بر یادگیری ماشین برای قیمت‌گذاری اختیارهای اروپایی را بررسی می‌کنیم. |
| کلیدواژه ها |
| یادگیری عمیق، قیمت‌گذاری اختیار، مدل هستون، روش مونت کارلو |
| وضعیت: پذیرفته شده برای ارائه شفاهی |