Precificação de opções de dólar no mercado brasileiro utilizando redes neurais e algoritmos genéticos

Esse trabalho comparou, para condições macroeconômicas usuais, a eficiência do modelo de Redes Neurais Artificiais (RNAs) otimizadas por Algoritmos Genéticos (AGs) na precificação de opções de Dólar à Vista aos seguintes modelos de precificação convencionais: Black-Scholes, Garman-Kohlhagen, Árvores Trinomiais e Simulações de Monte Carlo. As informações utilizadas nesta análise, compreendidas entre janeiro de 1999 e novembro de 2006, foram disponibilizadas pela Bolsa de Mercadorias e Futuros (BM&F) e pelo Federal Reserve americano. As comparações e avaliações foram realizadas com o software MATLAB, versão 7.0, e suas respectivas caixas de ferramentas que ofereceram o ambiente e as ferramentas necessárias à implementação e customização dos modelos mencionados acima. As análises do custo do delta-hedging para cada modelo indicaram que, apesar de mais complexa, a utilização dos Algoritmos Genéticos exclusivamente para otimização direta (binária) dos pesos sinápticos das Redes Neurais não produziu resultados significativamente superiores aos modelos convencionais.

This work compared, under usual macroeconomic conditions, the effectiveness of the Neural Networks (NN) model enhanced by Genetic Algorithms (GA) in Dollar options’ valuation with the following conventional valuation models: Black-Scholes, Garman-Kohlhagen, Trinomial Trees and Monte Carlo Simulations. All information employed in this analysis, comprehended between July, 1999 and December, 2006, was provided by Bolsa de Mercadorias e Futuros (BM&F) and by Federal Reserve. Comparisons and assessments were conducted with the MATLAB software, version 7.0, and its toolboxes which provided the necessary tools and environment to develop and implement the models previously mentioned. The delta-hedging cost’s analyses of each model indicated that, even though more complex, the use of Genetic Algorithms to directly optimize (i.e., at binary level) the Neural Network’s synaptic weights did not produce any significantly superior results than the conventional models.