Neural Network Learning of Black-Scholes Equation for Option Pricing

本文讨论了金融界中最为热议的问题之一——股票期权定价。Black-Scholes方程是提供期权定价模型的抛物型偏微分方程。本文提出了一种基于神经网络解决Black-Scholes方程的方法。研究使用了来自股票期权市场的实际数据作为初始边界条件来解决Black-Scholes方程。具体而言，使用了巴西公司Petrobras和Vale的看涨期权价格的时间序列。结果表明，网络可以学习解决特定实际股票期权时间序列的Black-Sholes方程。实验结果显示，基于Black-Sholes方程解的神经网络期权定价可以比传统的Black-Sholes分析解更准确地进行期权定价预测。实验结果使得可以利用这种方法在期权市场上进行短期看涨期权价格预测。

解决问题：论文试图通过神经网络解决Black-Scholes方程，以提高股票期权定价的准确性。

关键思路：使用神经网络来学习股票期权市场的实际数据，并解决Black-Scholes方程，从而提高期权定价的准确性。

其他亮点：论文使用巴西公司Petrobras和Vale的看涨期权价格的时间序列作为数据集，实验结果表明，基于神经网络的Black-Scholes方程解法可以比传统的分析解法更准确地预测期权价格。

相关研究：目前的研究中，也有使用神经网络来解决Black-Scholes方程的方法，例如《Solving the Black-Scholes equation using a feedforward neural network》。