Efficient Calculation Methods for Derivative Pricing with Artificial Intelligence

2023 Fiscal Year Final Research Report

• 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: Funahashi Hideharu 神奈川大学, 経済学部, 准教授 (40884383)
• Project Period (FY): 2022-04-01 – 2024-03-31
• 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

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.

Free Research Field

ファイナンス，金融工学，数理ファイナンス

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。