Precificação de opções de ações com redes neurais recorrentes

Página do item simplificado
dc.contributor.advisorSilva, Leandro Augusto da
dc.contributor.authorSilva, Fernando Ferreira da
dc.date.accessioned2022-05-24T11:34:01Z
dc.date.available2022-05-24T11:34:01Z
dc.date.issued2021-05-24
dc.description.abstractA 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.pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/29386
dc.language.isopt_BRpt_BR
dc.language.isoenpt_BR
dc.publisherUniversidade Presbiteriana Mackenzie
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectredes neurais recorrentes LSTMpt_BR
dc.subjectopções de açõespt_BR
dc.subjectblack-scholespt_BR
dc.titlePrecificação de opções de ações com redes neurais recorrentespt_BR
dc.typeDissertaçãopt_BR
local.contributor.advisorLatteshttp://lattes.cnpq.br/1396385111251741pt_BR
local.contributor.advisorOrcidhttps://orcid.org/0000-0002-8671-3102pt_BR
local.contributor.authorLatteshttp://lattes.cnpq.br/8699659612200663pt_BR
local.contributor.board1Vartanian, Pedro Raffy
local.contributor.board1Latteshttp://lattes.cnpq.br/1346230422542369pt_BR
local.contributor.board1Orcidhttps://orcid.org/0000-0002-1492-7128pt_BR
local.contributor.board2Sassi, Renato José
local.contributor.board2Latteshttp://lattes.cnpq.br/8750334661789610pt_BR
local.contributor.board2Orcidhttps://orcid.org/0000-0001-5276-4895pt_BR
local.description.abstractenThe pandemic that plagued the world in the years 2020 and 2021 has caused the economic effect of a wide supply of credit. To stimulate the economy, central banks around the world cut interest rates to close to zero. After a series of stock market disruptions, financial market professionals saw a unique investment opportunity in companies to achieve considerable gains in a short period of time, generating a race for investments that pushed the indices to pre-pandemic levels . Thus, the importance of protecting invested assets using options, insurance against fluctuations in the price of the quotation, has gained great prominence. The value of these options is calculated using the model known as ’Black-Scholes’, which is currently the standard for pricing vanilla options (stock derivatives, commodities, foreign currency). However, studies indicate that the assumptions made by the Black-Scholes model are considered unrealistic for practical market scenarios. Thus, this work proposes the use of short and long term memory networks (LSTM), which are capable of memorizing large sequences of data and suitable for handling sequential data. The work used real market data - quotation of options and asset ’PETR4’ (ticker Petrobras PN N2), from January 2015 to December 2019. The LSTM network predicted the values of the options and the results were compared with the Black-Scholes model and a neural network. To analyze performance, three types of options were chosen (ATM, OTM and ITM), measured year by year. Finally, two events of high and low volatility were examined and, with the exception of ITM options, the LSTM network obtained better results in the other scenarios, compared to the Black-Scholes model, with the LSTM network being 209% higher than the Black-Scholes model in the event of high volatility.pt_BR
local.keywordsneural networks LSTMpt_BR
local.keywordsstock optionspt_BR
local.keywordsblack-scholespt_BR
local.publisher.countryBrasil
local.publisher.departmentEscola de Engenharia Mackenzie (EE)pt_BR
local.publisher.initialsUPM
local.publisher.programEngenharia Elétrica e Computaçãopt_BR
local.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
FERNANDO FERREIRA DA SILVA - protegido.pdf
Tamanho:
3.33 MB
Formato:
Adobe Portable Document Format
Descrição:
Fernando Ferreira da Silva
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis