Increasing the Accuracy of Financial Accounting by Applying Machine-Learning for Options Pricing

Abstract

Оценка справедливой стоимости опционов в настоящее время является развивающейся и крайне важной сферой исследований для большинства компаний, связанных с различными типами деривативов или работающих с ними. Качество оценки цены опциона может напрямую влиять на финансовые результаты таких компаний. В настоящем исследовании мы сперва тестируем традиционный подход к оценке цены опциона и затем разрабатываем более точный и более быструю модель, основанную на таких современных методах, как традиционные алгоритмы машинного обучения и нейронные сети. Для построения моделей оценки цены опционов мы используем ежедневные данные о торгах опционов на акции более 1 300 компаний с биржи NASDAQ / NYSE с дополнительными показателями, такими как рыночная капитализация, отрасль и сектор компании, в основном работающих на рынке США за период 2017–2020. В результате мы выяснили, что и традиционные алгоритмы машинного обучения, и нейросеть значительно превосходят модель Монте-Карло по точности предсказаний. Более того, скорость современной модели в сотни раз выше, что позволяет использовать ее ежедневно.

Option pricing is currently developing and critical research sphere for the majority of the companies related to or working with different types of derivatives. The option price estimation quality may directly influence such companies’ financial results. In this study we are aimed at testing the current approach of option price estimation and find out the better way how to do it using modern techniques, such as traditional machine learning algorithms and Neural Network. We run our research on the daily data of more than 1’300 companies’ derivatives from NASDAQ/NYSE exchange with additional indicators, such as market capitalization, company’s industry and sector, mostly operating on the US market for the period of 2017-20 years. As a result we found out that even traditional machine learning algorithm may outperform Monte Carlo model, as well as Neural Network model. Moreover, the speed of contemporary model is hundreds times better, which allows to use it on daily basis.