Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/29942
Autoria: | Coutinho, Raquel Lopes |
Orientação: | Dias, José Carlos Gonçalves Ruas, João Pedro Bento |
Data: | 25-Out-2023 |
Título próprio: | Avaliação de opções através de métodos de machine learning |
Referência bibliográfica: | Coutinho, R. L. (2023). Avaliação de opções através de métodos de machine learning [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/29942 |
Palavras-chave: | Machine learning Avaliação de opções Índice Standard and Poor's -- S&P 500 Option pricing |
Resumo: | Esta dissertação estuda a performance dos métodos de machine learning mais populares
na avaliação do preço de opções. Os méetodos explorados nesta dissertação são o Support
Vector Regression, o Random Forest, o XGBoost, o LightGBM e o Neural Networks.
De forma a existir um elo de comparação, estudou-se de forma equivalente os modelos
teóricos Black-Scholes-Merton e Corrado e Su aplicando tanto parâmetros históricos como
implícitos. A análise foi realizada em opções de compra europeias e mensais do índice
S&P500. Esta avaliação teve por base o artigo [1]. This dissertation investigates the performance of the most popular machine learning methods in the evaluation of options prices. The methods explored in this study encompass Support Vector Regression, Random Forest, XGBoost, LightGBM and Neural Networks. To establish a basis for comparison, an equivalent study of the theoretical models, Black-Scholes-Merton and Corrado and Su, was conducted, incorporating both historical and implied parameters. The analysis focused on European monthly call options of the S&P500 index. This evaluation was founded upon the article by [1]. |
Designação do Departamento: | Departamento de Finanças |
Designação do grau: | Mestrado em Matemática Financeira |
Arbitragem científica: | yes |
Acesso: | Acesso Restrito |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_raquel_lopes_coutinho.pdf Restricted Access | 432,06 kB | Adobe PDF | Ver/Abrir Request a copy |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.