分数阶 Black-Scholes-Merton 与神经网络的融合
计算金融
2024-01-02 v2 复变函数
应用统计
摘要
本研究通过提出基于 Black-Scholes-Merton（BSM）模型的独特定价模型——分数阶 Black-Scholes-Merton（FOBSM），来改进期权定价。主要目标是提高期权定价的精度与真实性，使其更贴合金融图景。该方法融合了 BSM 与神经网络（NN）在复杂扩散动力学方面的优势。本研究强调在分析金融市场动态时考虑分数阶导数的必要性。由于 FOBSM 能捕捉序列数据中的记忆特征，其比整数阶模型更擅长模拟现实系统。研究结果表明，在复杂扩散动力学中，这种期权定价混合方法提高了价格预测的准确度。本工作的关键贡献在于开发了一种新颖的期权定价模型（FOBSM），其利用分数阶微积分和神经网络，在捕捉金融数据中复杂扩散动力学与记忆效应方面提升准确性。
引用
@article{arxiv.2310.04464,
title = {Integration of Fractional Order Black-Scholes Merton with Neural Network},
author = {Sarit Maitra and Vivek Mishra and Goutam Kr. Kundu and Kapil Arora},
journal= {arXiv preprint arXiv:2310.04464},
year = {2024}
}