Reti neurali artificiali per la valutazione di opzioni
Il Multylayer Perceptron ad apprendimento supervisionato: aspetti teorici ed operativi
L'algoritmo di Error Back Propagation (EPB)
La costruzione del modello neuro - computazionale
Le RNA per la valutazione delle opzioni finanziarie
Introduzione alla valutazione di opzioni finanziarie
La specificazione delle variabili di input e di output
La fase di pre-processamento dati
In questa sezione si introduce il problema della valutazione delle opzioni finanziarie mediante RNA.
Con riferimento al problema di cui in oggetto, i vantaggi dell'approccio neurale risiedono nella non necessità di particolari ipotesi a priori, lasciando che sia la RNA ad inferire la dinamica eventualmente esistente tra le variabili di interesse ed il valore dell'opzione.
In secondo luogo, l'approccio non parametrico riduce il problema dell'errata specificazione del modello e si può adattare a cambiamenti strutturali nel processo generatore dei dati. Infine, mediante tale approccio si ottiene una formula di valutazione in forma chiusa che risulta relativamente facile da trattare. Tuttavia, tali modelli possono porre problemi di interpretabilità dei risultati ottenuti.

Reti neurali artificiali per la valutazione di opzioni - L'applicazione ed i risultati
consigliato: Esperti
difficoltà: ![]()
A cura di M.Corazza e M.Gobbo, GRETA
Una versione dell'articolo è pubblicata negli Atti della scuola estiva 2002 di Finanza Quantitativa, Dipartimento di Matematica Applicata, Università "Ca' Foscari",Venezia.