Apprentissage par renforcement pour la finance

Chapitre 7. Couverture dynamique

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Avant l'avènement de Black-Scholes, les marchés d'options étaient peu nombreux et peu négociés. Aujourd'hui, ils font partie des marchés de titres les plus importants et les plus actifs. Beaucoup attribuent ce changement au modèle de Black-Scholes, car il fournit une référence pour l'évaluation et (grâce à l'argument de l'arbitrage) une méthode pour répliquer ou couvrir les positions sur les options.

Duffie (1998)

Le chapitre 6 utilise le Deep Learning (DQL) pour apprendre à battre les marchés, c'est-à-dire pour apprendre à entrer en position longue et courte sur un instrument financier d'une manière qui surpasse une stratégie de référence comme, par exemple, le simple fait d'être en position longue sur l'instrument financier. Cela peut être interprété comme une tentative de prouver que l'hypothèse du marché efficient (EMH) est fausse. En termes simples, la forme faible de l'EMH postule que les prix observés sur le marché reflètent toutes les informations publiquement disponibles. Timmermann et Granger (2004) offrent une perspective moderne et une définition de l'EMH.

Sur le site , l'évaluation des options - ou plus généralement l'évaluation des produits dérivés - part généralement du principe que le marché a toujours raison et que l'on peut tirer parti de ce que l'on observe sur les marchés pour évaluer les instruments ...