使用人工神经网络建立合理的期权定价模型-研究论文

本文探讨了使用人工神经网络为 Apple(AAPL) 欧洲看涨期权定价的期权定价建模。 我们的模型基于这样一个前提，即人工神经网络可以用作函数逼近器，并且可以在某种程度上用作数值方法的替代品，以获得更快、更有效的解决方案。 本文提供了两种金融模型的神经网络解决方案，BlackScholes-Merton 模型和校准的 Heston 随机波动率模型，我们使用相同的现有数值解，Black-Scholes 方程的解析解来评估我们的预测， Heston 随机波动率模型和标准 Heston-Quasi 解析公式的 COS 模型。 本研究的目的是为现有的期权定价定量模型找到一种可行的、省时的替代方案。