論文の概要: Neural Network Learning of Black-Scholes Equation for Option Pricing

• arxiv url: http://arxiv.org/abs/2405.05780v1
• Date: Thu, 9 May 2024 13:57:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-10 13:13:05.375850
• Title: Neural Network Learning of Black-Scholes Equation for Option Pricing
• Title（参考訳）: オプション価格設定のためのブラックスクール方程式のニューラルネットワーク学習
• Authors: Daniel de Souza Santos, Tiago Alessandro Espinola Ferreira,
• Abstract要約: Black-Scholes方程式は、オプション価格モデルを提供するパラボリック偏微分方程式である。 そこで本研究では,ニューラルネットワークに基づくブラックスクール方程式の解法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the most discussed problems in the financial world is stock option pricing. The Black-Scholes Equation is a Parabolic Partial Differential Equation which provides an option pricing model. The present work proposes an approach based on Neural Networks to solve the Black-Scholes Equations. Real-world data from the stock options market were used as the initial boundary to solve the Black-Scholes Equation. In particular, times series of call options prices of Brazilian companies Petrobras and Vale were employed. The results indicate that the network can learn to solve the Black-Sholes Equation for a specific real-world stock options time series. The experimental results showed that the Neural network option pricing based on the Black-Sholes Equation solution can reach an option pricing forecasting more accurate than the traditional Black-Sholes analytical solutions. The experimental results making it possible to use this methodology to make short-term call option price forecasts in options markets.
• Abstract（参考訳）: 金融業界で最も議論されている問題の1つは株価オプションの価格設定である。 Black-Scholes方程式は、オプション価格モデルを提供するパラボリック偏微分方程式である。 そこで本研究では,ニューラルネットワークによるブラックスクール方程式の解法を提案する。 ストックオプション市場の実世界データは、ブラック・スコールズ方程式を解くための最初の境界として使われた。 特に、ブラジル企業ペトロブラスとヴァレのコールオプション価格の一連の価格設定が採用された。 その結果、ネットワークは特定の現実世界のストックオプションの時系列に対して、ブラック・シューズ方程式を解くことができることがわかった。 実験結果から,ブラックショイルズ方程式に基づくニューラルネットワークオプションの価格設定が,従来のブラックショイルズ解析ソリューションよりも正確に予測可能なオプション価格に到達できることが確認された。 この手法を用いて、オプション市場での短期的なコールオプション価格予測を可能にする実験結果が得られた。

関連論文リスト

• Prompt Mixing in Diffusion Models using the Black Scholes Algorithm [57.03116054807942]
  本稿では,複数のテキストプロンプトの交わりで画像を生成することを目的とした,プロンプトミキシングのための新しいアプローチを提案する。 我々は、金融の価格設定に、拡散モデルとブラック・スコイルズ・モデルとの接続を利用する。 我々のプロンプトミキシングアルゴリズムはデータ効率が良いので、追加のトレーニングは必要ない。
  論文  参考訳（メタデータ） (2024-05-22T14:25:57Z)
• Neural Time-Reversed Generalized Riccati Equation [60.92253836775246]
  ハミルトン方程式は、コストテートとして知られる補助変数を通して最適性の解釈を提供する。 本稿では,前向きに作業することを目的とした,新しいニューラルベースによる最適制御手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T19:29:37Z)
• Anytime Model Selection in Linear Bandits [61.97047189786905]
  ALEXPは,その後悔に対するM$への依存を指数関数的に改善した。 提案手法は,オンライン学習と高次元統計学の新たな関連性を確立するために,ラッソの時間的一様解析を利用する。
  論文  参考訳（メタデータ） (2023-07-24T15:44:30Z)
• A Hamiltonian Approach to Barrier Option Pricing Under Vasicek Model [1.1965844936801802]
  量子論におけるハミルトン的アプローチは、オプション価格と利率の新しい考え方を提供する。 バリアオプションの場合、オプション価格変更プロセスは量子力学における無限高障壁散乱問題と似ている。 二重障壁オプションの場合、オプションの価格変更プロセスは無限の正方形ポテンシャル井戸内を移動する粒子に類似している。
  論文  参考訳（メタデータ） (2023-07-14T00:25:52Z)
• Quantum computational finance: martingale asset pricing for incomplete markets [69.73491758935712]
  金融の価格問題に様々な量子技術を適用することができることを示す。 従来の研究と異なる3つの方法について議論する。
  論文  参考訳（メタデータ） (2022-09-19T09:22:01Z)
• Application of Convolutional Neural Networks with Quasi-Reversibility Method Results for Option Forecasting [11.730033307068405]
  我々は、92,846社のデータを分析するために、ブラック・スコールズ方程式の新しい経験的数学的モデルを作成し、評価する。 準可逆法 (QRM) を用いて, ある日, 将来のオプション価格を予測し, 逆問題として, 時間内におけるブラック・スコールズ(BS)方程式を解く。 研究の現在の段階は、QRMと畳み込みニューラルネットワーク(CNN)を組み合わせることで、多数のデータポイントを同時に学習する。
  論文  参考訳（メタデータ） (2022-08-25T04:08:59Z)
• Quantum effects in an expanded Black-Scholes model [0.0]
  古典的なブラックスコールモデルの限界について検討する。 結果として生じる欧州の呼び出しオプションの価格公式は、古典的なボラティリティを複雑な量のノルムに置き換える。 これは、非古典的プロセスが非交換演算子に基づくセキュリティの価格に与える影響の市場証拠を提供する。
  論文  参考訳（メタデータ） (2022-03-15T14:24:07Z)
• Neural Options Pricing [0.0]
  ニューラルSDEを普遍的伊藤プロセス近似器として扱う。 理論的オプションの価格を数値的に計算する。 学習モデルによって示唆されるオプション価格の誤差は、ワッサーシュタイン距離計量によって境界付けられると推測される。
  論文  参考訳（メタデータ） (2021-05-27T17:22:30Z)
• Meta-Solver for Neural Ordinary Differential Equations [77.8918415523446]
  本研究では,ソルバ空間の変動がニューラルODEの性能を向上する方法について検討する。 解法パラメータ化の正しい選択は, 敵の攻撃に対するロバスト性の観点から, 神経odesモデルに大きな影響を与える可能性がある。
  論文  参考訳（メタデータ） (2021-03-15T17:26:34Z)
• Design of Dynamic Experiments for Black-Box Model Discrimination [72.2414939419588]
  選択したいような動的モデル判別の設定を考えてみましょう。 (i) 最高のメカニスティックな時間変化モデルと (ii) 最高のモデルパラメータ推定値です。 勾配情報にアクセス可能な競合する力学モデルに対しては、既存の手法を拡張し、より広い範囲の問題の不確実性を組み込む。 これらのブラックボックスモデルをガウス過程サロゲートモデルに置き換えることで、モデル識別設定を拡張して、競合するブラックボックスモデルをさらに取り入れる。
  論文  参考訳（メタデータ） (2021-02-07T11:34:39Z)
• On Calibration Neural Networks for extracting implied information from American options [1.911678487931003]
  我々は、ブラック・スコルズが示唆するボラティリティとアメリカの選択肢の配当利回りを推定するために、データ駆動機械学習アプローチを採用する。 インプリッド配当収率については、逆問題をキャリブレーション問題として定式化し、インプリッドボラティリティと配当収率を同時に決定する。 機械学習は、アメリカの選択肢からインプリード情報を抽出する効率的な数値手法として利用できる。
  論文  参考訳（メタデータ） (2020-01-31T12:10:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。