Precificação de opções sobre ações por modelos de Support Vector Regression

Detalhes bibliográficos
Autor(a) principal: Beltrami, Monica
Data de Publicação: 2009
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/27334
Resumo: Orientador: Prof. Dr. Arinei Carlos Lindbeck da Silva
id UFPR_e3b7e6559e3efcdad0e515fcdfd6e4f6
oai_identifier_str oai:acervodigital.ufpr.br:1884/27334
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaSilva, Arinei Carlos Lindbeck da, 1960-Beltrami, Monica2024-05-16T17:52:29Z2024-05-16T17:52:29Z2009https://hdl.handle.net/1884/27334Orientador: Prof. Dr. Arinei Carlos Lindbeck da SilvaTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Exatas e Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 2005Inclui bibliografiaÁrea de concentração: Programação matemáticaResumo: Derivativos são títulos financeiros cujo valor de mercado deriva do preço de outro ativo. Dentre as modalidades de derivativos existentes, destacam-se as opções. No mercado de opções, negociam-se contratos que concedem ao seu titular o direito futuro de comprar ou vender um ativo objeto por um preço determinado no presente, chamado de preço de exercício. As opções são comercializadas no mercado mediante o pagamento de um prêmio, correspondente ao valor monetário do contrato. O valor desse prêmio sofre influência de diversos fatores e oscila de acordo com a expectativa do mercado. A determinação de preços teóricos de opções mediante modelos matemáticos permite ao investidor verificar se os preços estabelecidos pelo mercado estão superestimados ou subestimados. Essas informações influenciam diretamente nas operações realizadas pelo investidor. Desta forma, é preciso que o modelo empregado apresente alto grau de confiabilidade e seja condizente com a realidade do mercado ao qual ele se destina. Neste sentido, essa dissertação tem como objetivo estabelecer um modelo de precificação de opções baseado na técnica de Support Vector Regression (SVR), que capte a realidade do mercado brasileiro. O SVR baseia-se no aprendizado supervisionado estatístico e determina uma função de precificação a partir do reconhecimento de padrões e tendências do mercado. Para realizar a pesquisa, foram utilizados dados referentes às opções de compra americanas sobre ações da Petrobras PN negociadas na Bolsa de Valores de São Paulo, no período de novembro de 2008 a maio de 2009. Com a finalidade de validar o modelo proposto, compararam-se os resultados encontrados pelo SVR com os valores calculados pelo modelo de Black & Scholes, o qual se caracteriza por ser um dos modelos mais utilizados na área de finanças. A partir das comparações realizadas, concluiu-se que o desempenho do modelo de SVR foi superior ao de B&S na precificação de opções classificadas dentro do dinheiro, no dinheiro e fora do dinheiro. Verificou-se também que o modelo de SVR é capaz de captar os movimentos de preços do mercado.Abstract: Derivatives are financial instruments whose market values derive from the price of another underlying asset. Among the most common types of derivatives are options. In the options market, contracts are traded that grant the holder the right to buy or sell the underlying asset in future for a currently-determined price, called strike price. Options are traded in the market through payment of a premium corresponding to the monetary value of the contract. The value of this premium is influenced by a wide range of factors and varies according to market expectations. Establishing theoretical option prices using mathematical models allows investors to check whether the prices established by the market are over or underestimated. This information directly influences operations made by investors. Therefore, the model used needs to feature a high degree of reliability and to be in tune with the reality of the market for which it is designed. Accordingly, the aim of this paper is to establish an option pricing model based on the Support Vector Regression (SVR) technique, which captures the reality of the Brazilian market. SVR is a machine learning technique and establishes a pricing function from recognition of market patterns and trends. For this study, data on American call options for Petrobras PN shares traded on the São Paulo Stock Exchange were used, for the period November 2008 to May 2009. In order to validate the proposed model, results obtained via SVR were compared with values calculated using the Black & Scholes model, which is one of the most commonly used models in finance. Based on these comparisons, it was concluded that the SVR model's performance was superior to that of the B&S model in pricing options classified as in the money, at the money and out of the money. It was also observed that the SVR model is able to capture movements in market prices.124f. : il., grafs., tabs.application/pdfDisponível em formato digitalPreços - Modelos matemáticosValor (Economia)MercadosAnálise numéricaPrecificação de opções sobre ações por modelos de Support Vector Regressioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALDissertacao_Monica Beltrami.pdfapplication/pdf7247249https://acervodigital.ufpr.br/bitstream/1884/27334/1/Dissertacao_Monica%20Beltrami.pdf487e82626b25661f14bb93dfed6743e7MD51open accessTEXTDissertacao_Monica Beltrami.pdf.txtExtracted Texttext/plain194279https://acervodigital.ufpr.br/bitstream/1884/27334/2/Dissertacao_Monica%20Beltrami.pdf.txtfb40f4d46d44ceb2ffcf78b13d45096bMD52open accessTHUMBNAILDissertacao_Monica Beltrami.pdf.jpgGenerated Thumbnailimage/jpeg1100https://acervodigital.ufpr.br/bitstream/1884/27334/3/Dissertacao_Monica%20Beltrami.pdf.jpg01279074e215363b5cb829819211b6d7MD53open access1884/273342024-05-16 14:52:29.648open accessoai:acervodigital.ufpr.br:1884/27334Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-16T17:52:29Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Precificação de opções sobre ações por modelos de Support Vector Regression
title Precificação de opções sobre ações por modelos de Support Vector Regression
spellingShingle Precificação de opções sobre ações por modelos de Support Vector Regression
Beltrami, Monica
Preços - Modelos matemáticos
Valor (Economia)
Mercados
Análise numérica
title_short Precificação de opções sobre ações por modelos de Support Vector Regression
title_full Precificação de opções sobre ações por modelos de Support Vector Regression
title_fullStr Precificação de opções sobre ações por modelos de Support Vector Regression
title_full_unstemmed Precificação de opções sobre ações por modelos de Support Vector Regression
title_sort Precificação de opções sobre ações por modelos de Support Vector Regression
author Beltrami, Monica
author_facet Beltrami, Monica
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Silva, Arinei Carlos Lindbeck da, 1960-
dc.contributor.author.fl_str_mv Beltrami, Monica
contributor_str_mv Silva, Arinei Carlos Lindbeck da, 1960-
dc.subject.por.fl_str_mv Preços - Modelos matemáticos
Valor (Economia)
Mercados
Análise numérica
topic Preços - Modelos matemáticos
Valor (Economia)
Mercados
Análise numérica
description Orientador: Prof. Dr. Arinei Carlos Lindbeck da Silva
publishDate 2009
dc.date.issued.fl_str_mv 2009
dc.date.accessioned.fl_str_mv 2024-05-16T17:52:29Z
dc.date.available.fl_str_mv 2024-05-16T17:52:29Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/27334
url https://hdl.handle.net/1884/27334
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 124f. : il., grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/27334/1/Dissertacao_Monica%20Beltrami.pdf
https://acervodigital.ufpr.br/bitstream/1884/27334/2/Dissertacao_Monica%20Beltrami.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/27334/3/Dissertacao_Monica%20Beltrami.pdf.jpg
bitstream.checksum.fl_str_mv 487e82626b25661f14bb93dfed6743e7
fb40f4d46d44ceb2ffcf78b13d45096b
01279074e215363b5cb829819211b6d7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898814340202496

Registros relacionados