Lunch & Learn | Pricing d’options dans un modèle d’Heston : approche par réseaux de neurones avec principe physique

Nous avons le plaisir de vous inviter à participer à notre prochain Lunch & Learn qui présentera notre DetraNote sur le "Pricing d’options dans un modèle d’Heston : approche par réseaux de neurones avec principe physique".
Cette séance gratuite sera dispensée par Donatien Hainaut, Ph.D. (Conseiller Scientifique) et Alex Casas (Consultant en Actuariat - TAP).

6points PPC / 1 point CPD vous seront accrédités.

INSCRIVEZ-VOUS dès maintenant!

Introduction
En l'absence d'une formule fermée, telle que dans le modèle de Heston, la tarification des options est computationnellement intensive lors de la calibration d'un modèle sur des cotations du marché. Cet article propose une alternative aux méthodes de tarification standard, basée sur des réseaux neuronaux inspirés de la physique (PINNs). Un PINN intègre des principes de la physique dans son processus d'apprentissage pour améliorer son efficacité dans la résolution de problèmes complexes. Dans cet article, le principe directeur est l'équation de Feynman-Kac (FK), qui est l’équation aux dérivées partielles (PDE) régissant le prix dérivé dans le modèle de Heston. Nous nous concentrons sur l'évaluation des options européennes et montrons que les PINNs constituent une alternative efficace pour la tarification d'options avec diverses spécifications et paramètres sans nécessité de réentraînement.