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
ABSTRACT - In questo lavoro si considera un particolare strumento quantitativo non lineare e non parametrico, le cosiddette reti neurali artificiali, applicato alla valutazione di opzioni finanziarie.
Inizialmente, si procede alla presentazione di un particolare tipo di rete neurale artificiale, il multylayer perceptron ad apprendimento supervisionato, evidenziandone caratteristiche fondamentali quali la struttura architetturale, la procedura di stima, nonché di settaggio e di sviluppo .
Successivamente, dopo aver brevemente riassunto alcuni approcci seguiti da altri Autori, si applica lo strumento presentato alla valutazione di una particolare categoria di strumenti derivati: le opzioni finanziarie call di tipo europeo scritte sull'indice azionario inglese FTSE-100. Infine, si evidenziano vantaggi e limiti della modellistica proposta.
KEYWORDS - Opzioni finanziarie, reti neurali artificiali, multylayer perceptron ad apprendimento supervisionato, FTSE-100.

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.