| Project/Area Number |
22K13436
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 07060:Money and finance-related
|
|---|
| Research Institution | Kanagawa University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 人工神経回路網 / デリバティブ / SABRモデル / 漸近展開法 / バリアオプション / インプライド・ボラティリティ / 人工知能 / 確率ボラティリティモデル / ディープ・ラーニング / 漸近展開 / モンテカルロ法 |
|---|
| Outline of Research at the Start |
Funahashi (2021),Quant. Finance,21(4): 575では，モンテカルロ法など時間のかかる数値計算を事前(offline)に行い，近似解との差を人工知能（AI）に学習させることで，デリバティブのプライシング(online)に当たり近似解と同等の計算速度で，近似精度が劣化しない新しい計算手法を提案した．本研究では，金融実務上で重要なSABRモデルや複雑なデリバティブの評価に本手法を適用し，高速かつ高精度なプライシング手法を確立する．
|
| Outline of Final Research Achievements |
This study applies Artificial Neural Networks (ANN) to the evaluation of derivative pricing and develops a unified method that enables fast and precise pricing, independent of product characteristics or model properties. The first achievement is the application of the ANN with an asymptotic correction method, proposed by Funahashi in Quant. Finance, 21(4):575, to the SABR model, which is widely used in financial practice. This constructs a method that quickly and accurately calculates the prices and implied volatility wings of European options with high volatility and long maturities. The second achievement involves creating an efficient ANN-based evaluation method for exotic derivatives, regardless of the existence of analytical or approximate solutions. This method utilizes the analytical (or an approximate) solution of derivatives written on a pseudo-stochastic process close to the original asset's stochastic process.
|
| Academic Significance and Societal Importance of the Research Achievements |
金融実務や学術研究において、デリバティブの価格付けは、伝統的には数値計算や近似手法に依存し、最近では人工神経回路網を用いた価格付けが注目されている。しかし、いずれの手法も一長一短があり、異なる計算手法が併用されている。本研究では、商品性やモデルの特性に依存せず、統一的な評価手法を確立した。本手法により、複雑な原資産過程に従うモデルでも、従来の近似手法と同程度の計算速度で、精緻なのヨーロピアン・オプションの価格付けが実現し、市場へのキャリブレーションが可能となった。また、これまで数値計算に頼ってきた解析解や近似解が存在しない複雑なデリバティブも、精緻かつ高速に価格を計算することが実現した。
|
