Precificação de opções de ações com redes neurais recorrentes
Tipo
Dissertação
Data de publicação
2021-05-24
Periódico
Citações (Scopus)
Autores
Silva, Fernando Ferreira da
Orientador
Silva, Leandro Augusto da
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Vartanian, Pedro Raffy
Sassi, Renato José
Sassi, Renato José
Programa
Engenharia Elétrica e Computação
Resumo
A pandemia que assolou o mundo todo nos anos de 2020 e 2021 tem causado ao efeito
econômico de ampla oferta de crédito. Para estimular a econômica, os Bancos Centrais ao
redor do mundo cortaram as taxas de juros a valores próximo a zero. Depois de uma série de
interrupções das operações nas Bolsas de Valores, profissionais do mercado financeiro viram
uma oportunidade única de investimento em empresas para conseguir ganhos consideráveis
em um curto espaço de tempo, gerando uma corrida por aportes que puxou os índices a
níveis pré-pandêmicos. Assim, a importância de proteger o patrimônio investido utilizando
opções, seguro contra oscilações no preço da cotação, tem ganhado grande destaque. O
valor destas opções é calculado pelo modelo conhecido por ‘Black-Scholes’, que atualmente
é o padrão para precificação de opções de vanilla (derivativos de ações, commodities, moeda
estrangeira). No entanto, estudos indicam que as premissas assumidas pelo modelo de
Black-Scholes são consideradas irrealistas para os cenários práticos de mercado. Assim, este
trabalho propõe a utilização de redes de memória de curto e longo prazo (long short-term
memory - LSTM), as quais são capazes de memorizar grandes sequências de dados e
adequadas ao manuseio de dados sequenciais. O trabalho se utilizou de dados reais de
mercado – cotação das opções e do ativo ‘PETR4’ (ticker de Petrobras PN N2), no período
de janeiro de 2015 a dezembro de 2019. A rede LSTM fez predição dos valores das opções
e os resultados foram comparados com o modelo de Black-Scholes e uma rede neural.
Para analisar o desempenho, foram escolhidos três tipos de opções (ATM, OTM e ITM),
medidos ano a ano. Por fim, examinaram-se dois eventos de alta e de baixa volatilidade
e, com exceção das opções ITM, a rede LSTM obteve melhores resultados nos demais
cenários, em comparação ao modelo de Black-Scholes, sendo a rede LSTM 209% superior
que o modelo de Black-Scholes no evento de alta volatilidade.
Descrição
Palavras-chave
redes neurais recorrentes LSTM , opções de ações , black-scholes