فصلنامه رویکردهای نوین
در مهندسی صنایع و مدیریت
دوره 4، شماره 1 - ( 3-1405 )
جلد 4 شماره 1 صفحات 32-21 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Qanbarzadeh Anbarani F. Examining the statistical and regression hedging of an option over a period of time. Quarterly Journal of New Approaches in Industrial Engineering and Management 2026; 4 (1) :21-32
URL: http://iem-science.ir/article-1-225-fa.html
URL: http://iem-science.ir/article-1-225-fa.html
قنبرزاده عنبرانی فاطمه. بررسی پوشش ریسک آماری و رگرسیونی یک اختیار معامله در یک بازه زمانی. فصلنامه رویکردهای نوین در مهندسی صنایع و مدیریت. 1405; 4 (1) :21-32
کارشناسی ارشد ریاضی مالی، دانشگاه تربیت مدرس، تهران، ایران
چکیده: (203 مشاهده)
قیمت گذاری اختیارات و پوشش ریسک از اجزاء اساسی تصمیمگیری مالی هستند که پیامدهای مهمی برای سرمایه گذاران و شرکتهای اقتصادی دارند. روشهای سنتی در پیشبینی قیمت اختیارات و مدیریت ریسک آن، بر مدلهای آماری و تحلیلهای مالی متکی هستند. اما پیشرفتهای اخیر در هوش مصنوعی، فرصتهای جدیدی را برای پیشبینی دقیقتر و کارآمدتر و مدیریت ریسک این شاخص مهم مالی باز کرده است. در این پژوهش، از امکانات شبکههای عصبی مصنوعی (ANN) برای توسعه یک مدل جدید در قیمتگذاری اختیارات و پوشش ریسک استفاده کردهایم. شبکههای عصبی مصنوعی دستهای از الگوریتمهای یادگیری ماشین است که با تقلید رفتار بیولوژیکی مغز انسان در یادگیری موضوعات، قادر به درک الگوها و روابط پیچیده در دادهها میباشند. ما با استفاده از یک مدل شبکه عصبی مصنوعی، تلاش کردهایم تا دقت و قابلیت اطمینان پیشبینیهای قیمت اختیارات و همچنین تقویت استراتژیهای پوشش ریسک را بهبود ببخشیم. رویکرد ما برای توسعه و پیادهسازی مدل شبکه عصبی مصنوعی برای قیمتگذاری اختیارات و پوشش ریسک، سیستماتیک بوده و به دنبال روشی دقیق که شامل جمعآوری دادهها، پیش پردازش، آموزش مدل، ارزیابی و بهینهسازی باشد، هستیم. با شناسایی یک معماری مناسب و تنظیم دقیق پارامترهای شبکه عصبی، مدلی پیشنهاد شد که بتواند پویایی دادههای بازارهای اختیارات را مورد تحلیل قرار داده و شناخت لازم را به سرمایهگذاران و موسسات مالی ارائه دهد. قیمت گذاری اختیارات و پوشش ریسک از اجزاء اساسی تصمیمگیری مالی هستند که پیامدهای مهمی برای سرمایه گذاران و شرکتهای اقتصادی دارند. روشهای سنتی در پیشبینی قیمت اختیارات و مدیریت ریسک آن، بر مدلهای آماری و تحلیلهای مالی متکی هستند. اما پیشرفتهای اخیر در هوش مصنوعی، فرصتهای جدیدی را برای پیشبینی دقیقتر و کارآمدتر و مدیریت ریسک این شاخص مهم مالی باز کرده است. در این پژوهش، از امکانات شبکههای عصبی مصنوعی (ANN) برای توسعه یک مدل جدید در قیمتگذاری اختیارات و پوشش ریسک استفاده کردهایم. شبکه های عصبی مصنوعی دستهای از الگوریتم های یادگیری ماشین است که با تقلید رفتار بیولوژیکی مغز انسان در یادگیری موضوعات، قادر به درک الگوها و روابط پیچیده در داده ها میباشند. ما با استفاده از یک مدل شبکه عصبی مصنوعی، تلاش کردهایم تا دقت و قابلیت اطمینان پیشبینیهای قیمت اختیارات و همچنین تقویت استراتژیهای پوشش ریسک را بهبود ببخشیم. رویکرد ما برای توسعه و پیادهسازی مدل شبکه عصبی مصنوعی برای قیمتگذاری اختیارات و پوشش ریسک، سیستماتیک بوده و به دنبال روشی دقیق که شامل جمعآوری دادهها، پیش پردازش، آموزش مدل، ارزیابی و بهینهسازی باشد، هستیم. با شناسایی یک معماری مناسب و تنظیم دقیق پارامترهای شبکه عصبی، مدلی پیشنهاد شد که بتواند پویایی داده های بازارهای اختیارات را مورد تحلیل قرار داده و شناخت لازم را به سرمایه گذاران و موسسات مالی ارائه دهد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |