Apreçamento de opções americanas utilizando técnicas de parada ótima e redes neurais aplicado ao mercado brasileiro.

• Ano de defesa: 2024
• Autor(a) principal: Fonseca, José Alex Lima da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado computacional; Computational learning; Financial market; Investimentos; Investments; Mercado financeiro; Neural networks; Redes neurais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-22102024-113926/

Este trabalho aborda o apreçamento de opções americanas através da solução de um problema de parada ótima. Testou-se dois métodos para a decisão de parada ótima, um baseado em aproximações numéricas e outro em uma rede neural, e comparamos essas abordagens com a precificação binomial, que é o método mais comum para a precificação de opções americanas. Utilizaram-se ativos do mercado brasileiro nas simulações, divididos em 3 classes de ativos, de acordo com suas volatilidades (baixa, média e alta). Observou-se que as opções apreçadas utilizando redes neurais apresentam menor EQM para os ativos classificados com volatilidade média, EQM maior para o caso com alta volatilidade, e EQM menores nas caudas (regiões deep in the money e deep out of the money) para o caso com baixa volatilidade.