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

Participez à notre prochain Lunch&Learn* sur le "Pricing d’options dans un modèle d’Heston : approche par réseaux de neurones avec principe physique".

Dispensé en Français par notre Directeur Scientifique, Donatien Hainaut, et notre Consultant en Actuariat (TAP), Alex Casas, cette session en ligne gratuite aura lieu le 27 mars 2024 de 12:30 à 13:30.

Accréditation : 1 CPD | 6 PPC

*Nos sessions Lunch & Learn discutent de nos publications pendant le déjeuner, sur la base du concept des sessions brown-bag.

Introduction

Ce Lunch&Learn présente le contenu de notre Detra Note à propos du même sujet.

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.