تحليل أداء خوارزميات التعلم الآلي في تسعير عقود الخيارات المالية

دراسة في بورصة طهران

الملخص

یعدّ التحكم والحدّ من مخاطر السوق أحد أكثر التحديات تعقيداً التي تواجه المستثمرين. في هذا السياق، تلعب عقود الخيارات المالية دوراً محورياً كأدوات مالية مرنة. لذلك، يعد إيجاد أساليب مناسبة لتسعير عقود الخيارات من القضايا الرئيسة في مجال إدارة المخاطر، اذ.تُواجه النمذجة المالية تحديات كبيرة بسبب العلاقات غير الخطية والمعقدة بين المتغيرات المؤثرة على أسعار الأصول المالية، اذ تعتمد النماذج التقليدية على افتراضات تقييدية غالباً لا تتماشى مع واقع السوق. على النقيض من ذلك، تتميز نماذج التعلم الآلي بقدرتها على اكتشاف العلاقات المعقدة وغير الخطية بين المتغيرات دون الحاجة إلى افتراضات مبسطة، مما يمكنها من تقديم نماذج مرنة وقابلة للتكيف مع البيانات.تهدف هذه الدراسة إلى تحليل أداء خوارزميات التعلم الآلي ومقارنتها مع اداء نموذج بلاك شولز في التنبؤ بأسعار عقود الخيارات المالية لعينة من العقود المتداولة في بورصة طهران. تعتمد الدراسة على بيانات 153 عقد خيار مالي تم تداولها في بورصة طهران للأوراق المالية خلال الفترة من أبريل 2018 إلى يوليو 2024. اذ تم تسعير هذه العقود باستخدام خوارزميات التعلم الآلي، ثم مقارنة أداء هذه النماذج مع نموذج بلاك شولز باستخدام معايير إحصائية مثل متوسط الخطأ المطلق MAE)) وجذر متوسط مربع الخطأ  (RMSE) أظهرت.اظهرت النتائج أن خوارزميات التعلم الآلي تفوقت بشكل كبير على نموذج بلاك شولز الكلاسيكي من حيث دقة التنبؤ بأسعار عقود الخيارات للعينة قيد البحث.