Role pokročilých oceňovacích metod opcí empirické testy na neuronových sítích
| Autor: | Mgr. Jiří Brejcha |
|---|---|
| Rok: | 2011 - zimní |
| Vedoucí: | doc. PhDr. Jozef Baruník Ph.D. |
| Konzultant: | |
| Typ práce: | Diplomová Finance, finanční trhy a bankovnictví |
| Jazyk: | Anglicky |
| Stránky: | 100 |
| Ocenění: | |
| Odkaz: | |
| Abstrakt: | Tato práce se zabývá porovnáním dvou pokročilých metod oceňování opcí aplikovaných na opce evropského stylu vypsané na index DAX. Práce zkoumá výkonnost především dvou modelů: modelu se stochastickou volatilitou založeného na asymetrickém nelineárním procesu GARCH, který navrhli Heston a Nandi (2000), dále pak přístupu využívajícím umělé neuronové sítě, přičemž jako referenční je zde použit klasický Black-Scholes-Mertonův model. Modely pro oceňování opcí jsou testovány nejen na datech pro období mezi 3. 7. 2006 – 30. 10. 2009, ale i na jednotlivých podsouborech dat nazvaných jako „data před krizí“ a „data v krizi“, kde je přelomovým dnem 17. 4. 2008. Hlavním cílem práce je nalezení nejvhodnějšího oceňovacího nástroje opcí a to jak pro „data před krizí“, tak i pro „data v krizi“. První dvě kapitoly uvádějí do problematiky opčního oceňování, přičemž následující třetí kapitola poskytuje teoretické zázemí vztahující se k výše uvedeným metodám. V práci je též shrnut teoretický rámec různých nelineárních optimalizačních algoritmů, jako je metoda klesajícího gradientu, metoda zpětného šíření, kvasi-Newtonova metoda a Levenberg-Marquardtův algoritmus. Empirická část pak ukazuje, že žádný z uvedených modelů nepřevyšuje ve všech kategoriích svým výkonem ty ostatní. Nicméně přesto můžeme vyslovit závěr, že neuronové sítě dávají relativně nejlepší výsledek, a to jak v porovnání s Black-Scholes-Mertonovým model, tak s modelem navrženým Hestonem a Nandim (2000). |
