• Management Science and Financial Engineering
• /
• 제20권1호
• /
• pp.21-26
• /
• 2014

A lot of researches have been conducted to estimate the volatility smile effect shown in the option market. This paper proposes a method to approximate an implied volatility function, given noisy real market option data. To construct an implied volatility function, we use Gaussian Processes (GPs). Their output values are implied volatilities while moneyness values (the ratios of strike price to underlying asset price) and time to maturities are as their input values. To show the performances of our proposed method, we conduct experimental simulations with Korean Equity-Linked Warrant (ELW) market data as well as toy data.

• 한국산학기술학회논문지
• /
• 제13권3호
• /
• pp.1091-1098
• /
• 2012

최근 주식 워런트 증권(ELW)의 시장 규모가 급격하게 증가하면서 ELW를 발행한 금융기관들에는 리스크 관리 측면에서 효율적인 헤징 방안에 대한 필요성이 대두되고 있다. 본 연구는 인공신경망 학습 기법을 이용하여 ELW를 헤징하는 데 소요되는 비용을 최소화하는 방안을 제시하고자 하며, 기초자산의 현재가격, 변동성, 무위험이자율, 만기 등의 시장 상황 변화에 따른 다양한 시나리오에 대한 실험을 통해 본 연구에서 제시하는 방법론의 성능을 기존의 동적 델타 헤징 방법론과 비교 실험하였다. 그 결과 만기 행사가 안 된 상품의 경우 본 연구에서 제시하는 헤징 방법론이 동적 델타 헤징에 비해 최종 비용이 약 250% 이상 개선되었으며, 행사한 상품은 최종 비용에 있어서 약 25%의 개선 율을 보이는 것을 알 수 있었다.