Redes neurais para precificação de opções no mercado brasileiro

Resumo

Com os dados fornecidos pela B3 – Brasil, Bolsa, Balcão –, esta pesquisa analisou as cotações diárias de diversas opções da Vale do Rio Doce, VALE3, no período de 2015 a 2023. O principal objetivo foi desenvolver e avaliar um modelo de precificação de opções que capturasse as dependências temporais inerentes aos dados, proporcionando uma análise mais precisa e robusta do comportamento dessas opções ao longo do tempo. Para fins comparativos, foi utilizada a consagrada fórmula de Black Scholes, amplamente adotada no mercado de derivativos desde os anos 1970. Embora seja um modelo validado, o Black Scholes enfrenta limitações em cenários de alta volatilidade, por ser a única variável não observável do modelo, tornando-se um fator crítico para a precisão das previsões. Em resposta a essas limitações, foi desenvolvido um modelo de precificação de opções utilizando redes neurais recorrentes do tipo LSTM, que são particularmente adequadas para capturar ”memória“ de curto e longo prazo e para lidar com as dependências temporais e padrões dinâmicos dos dados financeiros. Assim, o modelo LSTM se apresenta como uma alternativa promissora ao tradicional Black Scholes, oferecendo maior flexibilidade na captura das dinâmicas temporais dos preços das opções.

Ficha do documento

Tipo

Dissertação

Ano

2024

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/36086

Temas

EconomiaDados

Palavras-chave

VALE3PrecificaçãoOpçõesRedes Neurais RecorrentesLSTMOption pricingRecurrent neural networksEconomiaBolsa de valoresModelo de precificação de ativosMercado