Построение нейронной сети для прогнозирования цены опциона
(Стр. 190-199)
Подробнее об авторах
Гринева Наталья Владимировна
кандидат экономических наук, доцент; доцент, кафедра анализа данных и машинного обучения; Финансовый университет при Правительстве Российской Федерации; г. Москва, Российская Федерация
Аннотация:
С увеличением финансовой грамотности населения расширяются и масштабы финансового рынка: за 2021 год количество частных инвесторов, открывших брокерские счета на Московской бирже, по сравнению с 2020 годом увеличилось почти вдвое и на начало 2022 года составляет более 17 млн. Одними из наиболее эффективных инструментов снижения рыночных рисков являются различные производные финансовые инструменты. Целью исследования является повышение качества и эффективности оценивания стоимости опциона на индекс Российской торговой системы путем разработки и реализации специализированной информационной системы. Для достижения указанной цели в работе были поставлены и решены следующие задачи: 1) проведен анализ основных концепций, инструментов и алгоритмов оценки опционов с использованием методов машинного обучения; 2) определены компоненты модели глубокого обучения для оценки опциона на Индекс РТС; 3) проведена статистическая интерпретация обработанных данных, 4) построена нейронная сеть для опционов типа «пут» и «колл». Материалы и методы. При моделировании применялся статистический анализ, аппарат нейронных сетей. Выводы. Проведено исследование статистических характеристик базового актива на фьючерс Индекса РТС; разработан алгоритм, задействующий показатель справедливой стоимости денег RUSFAR, рассчитываемый Московской биржей, взамен использования ставок по бескупонным кривым, которые являются смещенными ввиду неполной обеспеченности денежных средств активами для оценки безрисковых ставок заимствования; проинтерпретированы полученные результаты моделей и сформулированы выводы относительно качества полученных моделей.
Образец цитирования:
Гринева Н.В., (2022), ПОСТРОЕНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ ЦЕНЫ ОПЦИОНА. Проблемы экономики и юридической практики, 5 => 190-199.
Список литературы:
Hutchinson James M., Lo Andrew W. & Poggio Tomaso A Nonparametric Approach to Pricing and Hedging Derivative Securities Via Learning Networks // The Journal of Finance. -Boston: Papers and Proceedings Fifty-Fourth Annual Meeting of the American Finance Association, January 3-5, 1994 г. -P. 851-889.
Li Wenda Application of Machine Learning in Option Pricing: A Review // Advances in Economics, Business and Management Research. -[b.m.]: Proceedings of the 2022 7th International Conference on Social Sciences and Economic Development (ICSSED 2022), 2022. -652 p.
Yangang Chen & Wan Justin W. L. Deep Neural Network Framework Based on Backward Stochastic Differential Equations for Pricing and Hedging American Options in High Dimensions. -2019.
Qiang Zhang & Yang Dennis Drift-Independent Volatility Estimation Based on High, Low, Open, and Close Prices // The Journal of Business: The University of Chicago Press, No. 3 (July 2000). -https://www.jstor.org/stable/10.1086/209650?seq=1 : Т. Vol. 73. -pp. 477-492. -The Journal of Business, Vol. 73, No. 3 (July 2000), pp. 477-492.
Kingma Diederik P. & Lei Jimmy Ba ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION. -ICLR: ICLR, 2015.
Goudenege Ludovic, Andrea Molent & Zanette Antonino Machine Learning for Pricing American Options in High-Dimensional Markovian and non-Markovian models. -2019.
Culkin Robert & Das Sanjiv R. Machine Learning in Finance: The Case of Deep Learning for Option Pricing: Santa Clara University, August 2, 2017.
Ruf Johannes & Wang Weiguan. Neural networks for option pricing and hedging: a literature review: Computational Finance (q-fin.CP), 2020.
Yang Andrew & Ke Alexander. Option Pricing with Deep Learning: Stanford University, 2019. -P. 230.
Salvador Beatriz, Oosterlee Cornelis W., Meer Remco Xove TIC Conference European and American Options Valuation by Unsupervised Learning with Artificial Neural Networks. -A Coruña : [b.n.], 8-9 October 2020.
Li Wenda Application of Machine Learning in Option Pricing: A Review // Advances in Economics, Business and Management Research. -[b.m.]: Proceedings of the 2022 7th International Conference on Social Sciences and Economic Development (ICSSED 2022), 2022. -652 p.
Yangang Chen & Wan Justin W. L. Deep Neural Network Framework Based on Backward Stochastic Differential Equations for Pricing and Hedging American Options in High Dimensions. -2019.
Qiang Zhang & Yang Dennis Drift-Independent Volatility Estimation Based on High, Low, Open, and Close Prices // The Journal of Business: The University of Chicago Press, No. 3 (July 2000). -https://www.jstor.org/stable/10.1086/209650?seq=1 : Т. Vol. 73. -pp. 477-492. -The Journal of Business, Vol. 73, No. 3 (July 2000), pp. 477-492.
Kingma Diederik P. & Lei Jimmy Ba ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION. -ICLR: ICLR, 2015.
Goudenege Ludovic, Andrea Molent & Zanette Antonino Machine Learning for Pricing American Options in High-Dimensional Markovian and non-Markovian models. -2019.
Culkin Robert & Das Sanjiv R. Machine Learning in Finance: The Case of Deep Learning for Option Pricing: Santa Clara University, August 2, 2017.
Ruf Johannes & Wang Weiguan. Neural networks for option pricing and hedging: a literature review: Computational Finance (q-fin.CP), 2020.
Yang Andrew & Ke Alexander. Option Pricing with Deep Learning: Stanford University, 2019. -P. 230.
Salvador Beatriz, Oosterlee Cornelis W., Meer Remco Xove TIC Conference European and American Options Valuation by Unsupervised Learning with Artificial Neural Networks. -A Coruña : [b.n.], 8-9 October 2020.
Ключевые слова:
финансовый рынок, исполнение опционов, нейронные сети, функция потерь, модели стоимости опционов.
Статьи по теме
Искусственный интеллект и машинное обучение Страницы: 9-18 DOI: 10.33693/2313-223X-2022-9-3-9-18 Выпуск №21873
Элементы искусственного интеллекта для задачи определения положения автотранспортного средства на изображении
компьютерное зрение
нейронные сети
сверточные нейронные сети
распознавание изображений
YOLO
Подробнее
Экономическая социология Страницы: 155-160 DOI: 10.33693/2223-0092-2024-14-4-155-160 Выпуск №131736
Актуальные аспекты воздействия на формирование финансово грамотного поведения российской молодежи в условиях санкционного давления
финансово грамотное поведение
финансовая культура
инвестиционный потенциал страны
финансовые сбережения (накопления)
ипотечное кредитование
Подробнее
11. ФИНАНСОВОЕ ПРАВО; НАЛОГОВОЕ ПРАВО; БЮДЖЕТНОЕ ПРАВО (СПЕЦИАЛЬНОСТЬ 12.00.04)АДМИНИСТРАТИВНОЕ ПРАВО; АДМИНИСТРАТИВНЫЙ ПРОЦЕСС (СПЕЦИАЛЬНОСТЬ 12.00.14) Страницы: 197-199 Выпуск №5215
Некоторые проблемы уголовной ответственности за манипулирование финансовым рынком
манипулирование рынком
финансовый рынок
биржевая торговля
акции
уголовная ответственность
Подробнее
5. ПУБЛИЧНО-ПРАВОВЫЕ (ГОСУДАРСТВЕННО-ПРАВОВЫЕ) НАУКИ (СПЕЦИАЛЬНОСТЬ 5.1.2.) Страницы: 219-227 Выпуск №21729
Цифровизация платежных рынков: правовое регулирование, выявления и нивелирования рисков
платежные услуги
цифровизация
финансовый рынок
платежный рынок
риски цифровизации
Подробнее
5.2.3 РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА Страницы: 246-252 Выпуск №20773
Формирование доверия на финансовом рынке: к теории вопроса
доверие
финансовый рынок
группы интересов
модели оценки стоимости финансовых активов
смарт-контракты
Подробнее
4. ГРАЖДАНСКОЕ ПРАВО; ПРЕДПРИНИМАТЕЛЬСКОЕ ПРАВО; СЕМЕЙНОЕ ПРАВО; МЕЖДУНАРОДНОЕ ЧАСТНОЕ ПРАВО (СПЕЦИАЛЬНОСТЬ 12.00.03) Страницы: 128-130 Выпуск №14165
ТРАНСФОРМАЦИЯ ТОВАРНЫХ ЗНАКОВ В УСЛОВИЯХ ЦИФРОВОЙ ЭКОНОМИКИ
цифровая экономика
финансовый рынок
цифровой гражданский оборот
интеллектуальная собственность
блокчейн
Подробнее
9. ФИНАНСОВОЕ ПРАВО; НАЛОГОВОЕ ПРАВО; БЮДЖЕТНОЕ ПРАВО (СПЕЦИАЛЬНОСТЬ 12.00.04) Страницы: 115-118 Выпуск №14890
ПРАВОВОЕ РЕГУЛИРОВАНИЕ ФИНАНСОВОЙ СИСТЕМЫ НОВОЙ ЗЕЛАНДИИ
право Новой Зеландии
финансовая система
банковская система
Резервный Банк Новой Зеландии
почтовый банк
Подробнее
5.2.2. МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 150-155 Выпуск №20468
О некоторых специфических ограничениях применения Data Mining
Большие данные
информационные технологии
анализ данных
классификация
кластеризация
Подробнее
УГОЛОВНО-ПРАВОВЫЕ НАУКИ (СПЕЦИАЛЬНОСТЬ 5.1.4.) Страницы: 180-185 Выпуск №24870
Организованная преступность в сфере финансового рынка России
финансовый рынок
информационно-телекоммуникационные технологии
нелегальная деятельность
криминологическая безопасность
организованная преступность.
Подробнее
7. ФИНАНСОВОЕ ПРАВО; НАЛОГОВОЕ ПРАВО; БЮДЖЕТНОЕ ПРАВО 12.00.04 Страницы: 145-148 Выпуск №19457
Правовое регулирование кредитного рынка в Российской Федерации: проблемы и перспективы развития
кредитный рынок
денежно-кредитные отношения
правовое регулирование
кредитование
цифровизация
Подробнее