Η χρήση των νευρωνικών δικτύων στην τιμολόγηση δικαιωμάτων προαίρεσης

Abstract

Σκοπός της παρούσας εργασίας είναι να αναδειχθεί ο σημαντικότατος ρόλος των νέων τεχνολογιών και συγκεκριμένα των τεχνητών νευρωνικών δικτύων στη χρηματοοικονομική. Στα πλαίσια της παρούσας εργασίας στο πρώτο κεφάλαιο γίνεται μια παρουσίαση των βασικών εννοιών των δικαιωμάτων προαίρεσης. Στο δεύτερο κεφάλαιο παρουσιάζεται το υπόδειγμα αποτίμησης δικαιωμάτων προαίρεσης Black και Scholes και γίνεται ανάλυση για τον ακριβή τρόπο προσδιορισμού των τιμών των δικαιωμάτων . Στη συνέχεια και στο τρίτο κεφάλαιο γίνεται μια συνοπτική παρουσίαση των τεχνητών νευρωνικών δικτύων και του αλγόριθμου της οπισθοδιάδοσης που θα χρησιμοποιήσουμε στο επόμενο κεφάλαιο. Στο τελευταίο και τέταρτο κεφάλαιο γίνεται μια πρακτική εφαρμογή πάνω σε αυτά που αναφέρθηκαν στα προηγούμενα κεφάλαια βασιζόμενοι στο αρθρο των James M.Hutchinson, Andrew W. Lo και Tomaso Poggio με τίτλο “A Nonparametric approach to pricing an hedging derivative securities via learning networks” που δημοσιεύθηκε στο The journal of finance. Μέσω αυτού του άρθρου θα διαπιστώσουμε αν τα νευρωνικά δίκτυα μπορούν να αναπαράγουν τη μέθοδο τιμολόγησης παραγώγων από τους Black και Scholes δηλαδή το αν τα νευρωνικά δίκτυα μπορούν να μάθουν και να αποδώσουν αυτή τη συνάρτηση σε ικανοποιητικό ποσοστό. Τέλος γίνεται μια εφαρμογή σε τιμές του Χρηματιστηρίου Παραγωγών Αθηνών και εξάγονται κάποια χρήσιμα συμπεράσματα.