|
Title
|
پوشش ریسک با استفاده از یادگیری عمیق
|
|
Type of Research
|
Thesis
|
|
Keywords
|
پوشش ریسک، یادگیری عمیق، یادگیری تقویتی عمیق
|
|
Abstract
|
پوشش ریسک باعث کاهش ریسک سود و زیان پورتفوی سرمایه گذاری می شود. در شرایط عادی برای پوشش ریسک از ابزارهای مالی گوناگونی مانند برگه سهام، پیمان های آتی، قراردادهای معاوضه و اختیار معامله، همچنین گونه های مختلف از ابزارهای مشتقه، قراردادهای آتی و معاملات فرابورس استفاده می شود. قیمت گذاری پوشش ریسک در ریاضیات مالی بسیار مهم است.
روش های مختلفی برای قیمت گذاری پوشش ریسک وجود دارد. یکی از آن روش ها استفاده از معادله بلک شولز است. بینش کلیدی پشت این معادله این است که یک نفر می تواند با خرید و فروش دارایی پایه به طور کامل ریسک اختیار معامله را به صورت مناسبی پوشش داده و در نتیجه «ریسک را از بین ببرد.» این پوشش نیز به نوبهٔ خود موید این است که برای اختیار فقط یک قیمت درست وجود دارد که فرمول بلک شولز آن را ارائه می دهد. اخیرا روش های جدید دیگری نیز برای پوشش ریسک به وجود آمده است.
یادگیری ماشین و یادگیری عمیق از ابزارهای مدرن برای قیمت گذاری پوشش ریسک است. یادگیری ماشین در بسیاری از موارد ازجمله در مسائل مالی بدون اصطکاک استفاده شده است. الگوریتم های یادگیری عمیق بسیار کمتر به مداخله ی انسان نیاز دارند ولی زمان محاسبات طولانی است. با این حال توانمندی خود را در حل مسائل نشان داده اند.
|
|
Researchers
|
(Student)، Alireza Ghaffari-Hadigheh (Primary Advisor)
|