Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500

Βασικό πρόβλημα στα χρηματοοικονομικά αποτελεί η εύρεση της τιμής ενός παράγωγου χρεόγραφου (π.χ προαιρετικό δικαίωμα). Όμως είναι κοινώς γνωστό ότι το δημοφιλές μοντέλο των Black & Scholes το οποίο χρησιμοποιείται για την αποτίμηση δικαιωμάτων παρουσιάζει αποκλίσεις σε σχέσεις με τις τιμές της...

Full description

Saved in:

Bibliographic Details
Main Author:	Τζαστούδης, Βασίλειος
Other Authors:	Δούνιας, Γεώργιος
Language:	Greek
Published:	2015
Subjects:	Τιμολόγηση δικαιωμάτων Τεχνητά νευρωνικά δίκτυα Πρόβλεψη Option pricing Neural networks Forecasting
Online Access:	https://vsmart.lib.aegean.gr/webopac/FullBB.csp?WebAction=ShowFullBB&EncodedRequest=11F6FB2Fd9226U83h900690RXE&Profile=Default&OpacLanguage=gre&NumberToRetrieve=50&StartValue=2&WebPageNr=1&SearchTerm1=2005%20.1.26681&SearchT1=&Index1=Keywordsbib&SearchMethod=Find_1&ItemNr=2 http://hdl.handle.net/11610/8431
Tags:	Add Tag No Tags, Be the first to tag this record!

_version_	1828462487490527232
author	Τζαστούδης, Βασίλειος
author2	Δούνιας, Γεώργιος
author_facet	Δούνιας, Γεώργιος Τζαστούδης, Βασίλειος
author_sort	Τζαστούδης, Βασίλειος
collection	DSpace
description	Βασικό πρόβλημα στα χρηματοοικονομικά αποτελεί η εύρεση της τιμής ενός παράγωγου χρεόγραφου (π.χ προαιρετικό δικαίωμα). Όμως είναι κοινώς γνωστό ότι το δημοφιλές μοντέλο των Black & Scholes το οποίο χρησιμοποιείται για την αποτίμηση δικαιωμάτων παρουσιάζει αποκλίσεις σε σχέσεις με τις τιμές της αγοράς, καθώς στηρίζεται σε ένα σύνολο αρκετών αμφισβητήσιμων υποθέσεων. Στην διπλωματική εργασία μελετούμε την ικανότητα των τεχνητών νευρωνικών δικτύων (ΔΑΤ) στην τιμολόγηση δικαιωμάτων αγοράς επί του χρηματιστηριακού δείκτη S&P 500, συγκεκριμένα διερευνούμε την επίδραση των κρυμμένων νευρώνων στην εκπαίδευση και εκτίμηση που επιχειρούμε. Τροποποιούμε το μοντέλο BS με την βοήθεια της τιμής παράδοσης συμβολαίων πάνω στον ίδιο υποκείμενο τίτλο εξάγουμε μια τροποποιημένη συνάρτηση που εξυπηρετεί τους σκοπούς μας. Σε αντίθεση με το να χρησιμοποιήσουμε τον τυπικό αλγόριθμο της οπισθοδιάδοσης , τον αντικαθιστούμε με τον αλγόριθμο Levenberg-Marquardt. Τροποποιώντας την αντικειμενική συνάρτηση του νευρωνικού δικτύου, μπορούμε να επικεντρώσουμε την διαδικασία μάθησης του, σε ενδιαφέροντες περιοχές τιμές δικαιωμάτων της καμπύλης τεκμαρτής μεταβλητότητας.
id	oai:hellanicus.lib.aegean.gr:11610-8431
institution	Hellanicus
language	Greek
publishDate	2015
record_format	dspace
spelling	oai:hellanicus.lib.aegean.gr:11610-84312021-03-08T10:55:43Z Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500 Τζαστούδης, Βασίλειος Δούνιας, Γεώργιος Τιμολόγηση δικαιωμάτων Τεχνητά νευρωνικά δίκτυα Πρόβλεψη Option pricing Neural networks Forecasting Βασικό πρόβλημα στα χρηματοοικονομικά αποτελεί η εύρεση της τιμής ενός παράγωγου χρεόγραφου (π.χ προαιρετικό δικαίωμα). Όμως είναι κοινώς γνωστό ότι το δημοφιλές μοντέλο των Black & Scholes το οποίο χρησιμοποιείται για την αποτίμηση δικαιωμάτων παρουσιάζει αποκλίσεις σε σχέσεις με τις τιμές της αγοράς, καθώς στηρίζεται σε ένα σύνολο αρκετών αμφισβητήσιμων υποθέσεων. Στην διπλωματική εργασία μελετούμε την ικανότητα των τεχνητών νευρωνικών δικτύων (ΔΑΤ) στην τιμολόγηση δικαιωμάτων αγοράς επί του χρηματιστηριακού δείκτη S&P 500, συγκεκριμένα διερευνούμε την επίδραση των κρυμμένων νευρώνων στην εκπαίδευση και εκτίμηση που επιχειρούμε. Τροποποιούμε το μοντέλο BS με την βοήθεια της τιμής παράδοσης συμβολαίων πάνω στον ίδιο υποκείμενο τίτλο εξάγουμε μια τροποποιημένη συνάρτηση που εξυπηρετεί τους σκοπούς μας. Σε αντίθεση με το να χρησιμοποιήσουμε τον τυπικό αλγόριθμο της οπισθοδιάδοσης , τον αντικαθιστούμε με τον αλγόριθμο Levenberg-Marquardt. Τροποποιώντας την αντικειμενική συνάρτηση του νευρωνικού δικτύου, μπορούμε να επικεντρώσουμε την διαδικασία μάθησης του, σε ενδιαφέροντες περιοχές τιμές δικαιωμάτων της καμπύλης τεκμαρτής μεταβλητότητας. A fundamental problem in finance is the pricing of a derivative (e.g option). As is widely known, the popular Black & Scholes model for option pricing suffers from systematic biases compared to market prices, as it relies on several highly questionable assumptions. In our dissertation we study the ability of neural networks (MLPs) in pricing call options on the S&P 500 index; in particular we investigate the effect of the hidden neurons in the in- and out-of-sample pricing. We modify the Black & Scholes model given the price of an option based on the no-arbitrage value of a forward contract, written on the same underlying asset, and we derive a modified formula that can be used for our purpose. Instead of using the standard backpropagation training algorithm we replace it with the Levenberg-Marquardt approach. By modifying the objective function of the neural network, we can focus the learning process on more interesting option areas of the implied volatility surface. 2015-11-17T10:31:24Z 2015-11-17T10:31:24Z 2005 https://vsmart.lib.aegean.gr/webopac/FullBB.csp?WebAction=ShowFullBB&EncodedRequest=11F6FB2Fd9226U83h900690RXE&Profile=Default&OpacLanguage=gre&NumberToRetrieve=50&StartValue=2&WebPageNr=1&SearchTerm1=2005%20.1.26681&SearchT1=&Index1=Keywordsbib&SearchMethod=Find_1&ItemNr=2 http://hdl.handle.net/11610/8431 el application/pdf Χίος
spellingShingle	Τιμολόγηση δικαιωμάτων Τεχνητά νευρωνικά δίκτυα Πρόβλεψη Option pricing Neural networks Forecasting Τζαστούδης, Βασίλειος Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500
title	Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500
title_full	Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500
title_fullStr	Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500
title_full_unstemmed	Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500
title_short	Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500
title_sort	τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη s p 500
topic	Τιμολόγηση δικαιωμάτων Τεχνητά νευρωνικά δίκτυα Πρόβλεψη Option pricing Neural networks Forecasting
url	https://vsmart.lib.aegean.gr/webopac/FullBB.csp?WebAction=ShowFullBB&EncodedRequest=11F6FB2Fd9226U83h900690RXE&Profile=Default&OpacLanguage=gre&NumberToRetrieve=50&StartValue=2&WebPageNr=1&SearchTerm1=2005%20.1.26681&SearchT1=&Index1=Keywordsbib&SearchMethod=Find_1&ItemNr=2 http://hdl.handle.net/11610/8431
work_keys_str_mv	AT tzastoudēsbasileios timologēsēparagōgōnchreographōnmetēnboētheiatechnētōnneurōnikōndiktyōnepharmogēsedikaiōmataagorasepitouchrēmatistēriakoudeiktēsp500

Τιμολόγηση παραγώγων χρεόγραφων με την βοήθεια τεχνητών νευρωνικών δικτύων: εφαρμογή σε δικαιώματα αγοράς επί του χρηματιστηριακού δείκτη S&P 500

Similar Items