Deep learning approach to American option pricing
- سال انتشار: 1402
- محل انتشار: پنجمین کنفرانس بین المللی محاسبات نرم
- کد COI اختصاصی: CSCG05_085
- زبان مقاله: انگلیسی
- تعداد مشاهده: 38
نویسندگان
Department of Applied Mathematics, Faculty of Mathematical Sciences University of Guilan, P.O. Box: ۴۱۹۳۸-۱۹۱۴, Rasht, Iran
Department of Applied Mathematics, Faculty of Mathematical Sciences University of Guilan, P.O. Box: ۴۱۹۳۸-۱۹۱۴, Rasht, Iran
چکیده
This study focuses on pricing the American put option by applying a deep learning-based algorithm under the double Heston model. The double Heston model is a multi-factor stochastic volatility model that offers more flexibility in modeling the volatility term structure and better empirical fit to option prices compared to one-factor models. The option price derivation under this model leads to a linear complementarity problem. To solve this problem, we utilize the deep Galerkin method (DGM), which is a method based on deep learning. Our numerical results show the efficiency and accuracy of the algorithm as evidenced by comparing it with the antithetic variable Least-square Monte Carlo (AV-LSM) method.کلیدواژه ها
American option pricing،Double Heston model،Deep learning،Neural networks،Deep Galerkin methodمقالات مرتبط جدید
- Development the Product Design Process Using Quality Function Deployment and Operational Research
- Numerical Analysis of the Electronic Cooling of a Flat Plate Immersed in the Saturated R۱۳۴a Based on the Pool Boiling Theory
- شناسایی و رتبه بندی عوامل موثر بر عیوب ساختاری میل لنگ خودرو (مطالعه موردی: شرکت صنایع ریخته گری ایران)
- انتخاب استراتژی بهینه نگهداری و تعمیرات با استفاده از مدل های تصمیم گیری چندمعیاره (مطالعه موردی: شرکت فرآورده غذایی بینارزن)
- The Evolving Landscape of Distributed Denial of Service (DDoS) and Denial of Service (DoS) Attacks A Comprehensive Analysis
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.