학술저널
동적 델타 헤징(Dynamic Delta Hedging)이란 옵션 발행자가 옵션의 만기정산금액(payoff)을 지급하기 위해 주기적으로 델타에 근거한 헤지 포지션을 조절함으로써 옵션의 payoff를 복제하고 옵션 가치변화에 따른 위험을 회피 하는 방법이다. 본 연구에서는 헤지에 있어서 주요 변수인 블랙-숄즈의 모형에 의해 산출된 델타의 대체 값을 찾기 위해 기계학습의 일종인 인공신경망 학습을 적용하여 옵션의 만기 시 헤지 비용의 최소화 및 차익 실현을 위한 방법 론을 제시하고자 한다. 기초자산의 현재가격, 변동성, 무위험이자율, 만기 등의 시장 상황 변화에 따른 다양한 시나리 오에 대한 실험을 통해 본 연구에서 제시하는 방법론의 성능을 분석하고 그 우수성을 보인다.
Abstract
1. 서론
2. 선행 연구
3. 옵션의 헤지 전략
4. ANN기반의 동적 헤지 전략
5. 실험결과 및 분석
6. 결론
참고문헌
(0)
(0)