Построение нейронной сети для прогнозирования цены опциона

С увеличением финансовой грамотности населения расширяются и масштабы финансового рынка: за 2021 год количество частных инвесторов, открывших брокерские счета на Московской бирже, по сравнению с 2020 годом увеличилось почти вдвое и на начало 2022 года составляет более 17 млн. Одними из наиболее эффективных инструментов снижения рыночных рисков являются различные производные финансовые инструменты. Целью исследования является повышение качества и эффективности оценивания стоимости опциона на индекс Российской торговой системы путем разработки и реализации специализированной информационной системы. Для достижения указанной цели в работе были поставлены и решены следующие задачи: 1) проведен анализ основных концепций, инструментов и алгоритмов оценки опционов с использованием методов машинного обучения; 2) определены компоненты модели глубокого обучения для оценки опциона на Индекс РТС; 3) проведена статистическая интерпретация обработанных данных, 4) построена нейронная сеть для опционов типа «пут» и «колл». Материалы и методы. При моделировании применялся статистический анализ, аппарат нейронных сетей. Выводы. Проведено исследование статистических характеристик базового актива на фьючерс Индекса РТС; разработан алгоритм, задействующий показатель справедливой стоимости денег RUSFAR, рассчитываемый Московской биржей, взамен использования ставок по бескупонным кривым, которые являются смещенными ввиду неполной обеспеченности денежных средств активами для оценки безрисковых ставок заимствования; проинтерпретированы полученные результаты моделей и сформулированы выводы относительно качества полученных моделей.

финансовый рынок, исполнение опционов, нейронные сети, функция потерь, модели стоимости опционов