کاربرد اختیارهای معامله در بازار مالی با استفاده از روش شبکه های عصبی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در بازار سرمایه ایران اوراق اختیار معامله فقط از نوع اروپایی خرید و فروش می گردد. در صورتی که در بازارهای جهانی، سایر اختیار معامله ها مثل اختیار آمریکایی، اختیار آسیایی، اختیار مانع، اختیار گذشته نگر و ... خرید و فروش می شوند. از آنجایی که اوراق اختیار معامله یک ابزار مناسب و پر استفاده برای پوشش ریسک است و خاصیت اهرمی نیز دارد لذا تنوع در بازار اوراق اختیار معامله، هم بازار مالی را گرم تر می کند و هم علاقمندان زیادی را به سمت خود جذب می کند. مدل های بسیاری زیادی برای ارزش گذاری اوراق اختیار معامله وجود دارد که مهم ترین آن مدل بلک-شولز کلاسیک است. اما این مدل به دلیل ضعف هایی که دارد از مدل های واقعی بازار دور است. بنابراین نیازمند به مدل های توسعه یافته است. مانند، مطالعه روی سری زمانی نشان می دهد که قیمت دارایی پایه با نوسانات آن رابطه عکس دارد. مدل الاستیسیته ثابت واریانس یک مدل مناسب برای نشان دادن این رابطه معکوس است. در این پژوهش، مدل الاستیسیته ثابت واریانس برای ارزش گذاری اوراق اختیار آمریکایی درنظر گرفته شده است که نوسان پذیری آن به صورت یک تابع از دو پارامتر الاستیسیته نوسان پذیری و مقیاس ثابت نوسان اولیه لحظه ای است. مطالعات نشان می دهد که روش های غیرپارامتریک مانند شبکه عصبی و ماشین یادگیری بهتر از سایر روش ها برای مدل سازی اقتصاد مناسب هستند. بنابراین در این پژوهش، از روش شبکه عصبی برای ارزش گذاری عددی اختیار معامله آمریکایی استفاده خواهد شد.Application of options in the financial market using the neural networks method
In Iran's capital market, only European-style options are bought and sold. In the case of global markets, other trading options such as American option, Asian option, barrier option, lookback option, etc. are bought and sold. Since warrants are a suitable and widely used tool for hedging risk and have leverage properties, diversity in the warrants market warms up the financial market and attracts many interested parties. There are many models for option pricing, the most important of which is the classic Black-Scholes model. But this model is far from the real market models due to its weaknesses. Therefore, it needs developed models. For example, the study of time series shows that the price of the underlying asset has an inverse relationship with its volatility. The constant elasticity of variance model is a suitable model to show this inverse relationship. In this research, the constant elasticity of variance model is considered for the valuation of American options, whose volatility is a function of two parameters of volatility elasticity and the scale parameter fixing the initial instantaneous volatility. Studies show that non-parametric methods such as neural network and machine learning are better suited for economic modeling than other methods. Therefore, in this research, the neural network method will be used for numerical valuation of American options.
تبلیغات
