Fuzzy Option Pricing with Data-Driven Volatility using Novel Monte-Carlo Approach
Notice bibliographique
Résumé
Fuzzy numbers play an important part in the advanced theory of computational finance, which is undergoing a revolution aided by the powerful simulation and data-driven models. The volatility parameter is the most important parameter for pricing short-term options and arguably one of the important parameters for all financial time series. Traditional option pricing models determine the option's expected return without taking into account the uncertainty associated with the underlying asset price volatility. Fuzzy set theory can be used to explicitly account for such uncertainty. There has been a growing interest in studying fuzzy option pricing for European options and binary options using hybrid models. However, those fuzzy coefficient hybrid models are not data-driven. This paper uses data-driven volatility forecasts to study fuzzy European option pricing. A simple yet effective fuzzy option pricing model incorporating data-driven exponentially weighted moving average (EWMA) and neuro volatility models is presented to obtain fuzzy volatility forecasts and fuzzy option prices. The dynamics of the underlying assets is complex and hence it is preferable to use the Monte Carlo (MC) simulation, to get rid of the assumptions in the commonly used Black Scholes (BS) models. Using the data-driven fuzzy a-cuts of the annualized volatility, a-cuts of the call and put option prices based on novel MC simulation are obtained using$t$or Laplace distributed asset log returns. The driving idea, unlike the existing MC option pricing with normality assumption, is that the proposed novel MC method uses the data-driven$t$or Laplace distribution of asset log returns and nonlinear adaptive fuzzy volatility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».