كاربرد يادگيري عميق در قيمت‌گذاري اختيار با استفاده از مدل نوسان تصادفي هستون و روش مونت كارلو

پيشرفت‌هاي اخير در زمينه هوش مصنوعي، يادگيري ماشين و همچنين در صنعت كامپيوتر منجر به استفاده از اين تكنيك‌ها براي حل مسائل پيچيده در اكثر علوم و صنعت شده است. البته همين امر در مورد صنعت مالي و رياضيات مالي نيز صادق است. اخيراً توجه جامعه مالي در زمينه يادگيري عميق و شبكه‌هاي عصبي مصنوعي جلب شده است. در اين مقاله يك مسئله كلاسيك رياضي مالي - قيمت‌گذاري اختيار- تحت مدل‌هاي نوسان تصادفي هستون به داده‌هاي بازار را در نظر مي‌گيريم. برخي از مسائل در رويكردهاي موجود را برجسته و راه‌كارهايي را پيشنهاد مي‌كنيم كه هم عملكرد و هم دقت قيمت‌گذاري اختيار را بهبود مي‌بخشند. ضمن معرفي اختيارها، مدل‌هاي نوسانات تصادفي هستون، روش گراديان كاهشي در يادگيري ماشين، روشي كاربردي و مؤثر مبتني بر يادگيري ماشين براي قيمت‌گذاري اختيارهاي اروپايي را بررسي مي‌كنيم.