فهرست نشریات علمی دسترسی آزاد ایران

یکی از مشکلات اساسی که سرمایه‌گذاران در بازارهای سرمایه با آن روبه‌رو هستند، بحث مدیریت ریسک است. اوراق اختیار معامله از کاربردی‌ترین ابزار مالی در راستای مدیریت ریسک محسوب می‌شوند. ازاین‌رو، شیوه قیمت‌گذاری این اوراق اهمیت ویژه‌ای دارد. بااین‌حال، روابط پیچیده و غیرخطی میان عوامل مؤثر بر قیمت اختیار معامله، مدل‌سازی این روابط را با چالش‌هایی همراه کرده و منجر به استفاده از مفروضات محدودکننده و غیرواقعی در ساخت مدل‌ها شده است. یکی از راهکارهایی که برای حل این مسئله مطرح گردیده، استفاده از الگوریتم‌های یادگیری ماشین است. الگوریتم‌های یادگیری ماشین محدودیتی در یافتن روابط غیرخطی پیچیده میان متغیرها نداشته و می‌توانند بدون درنظرگرفتن مفروضات غیرواقعی، دست به ساخت مدل‌های موردنیاز بزنند. در همین راستا هدف این پژوهش بررسی عملکرد الگوریتم‌های یادگیری ماشین در پیش‌بینی قیمت اوراق اختیار معامله در مقایسه با مدل بلک شولز است. در این پژوهش از 144 اوراق اختیار معامله‌ای که از فروردین 1397 تا اردیبهشت 1403 در بورس اوراق بهادار تهران معامله‌شده‌اند، استفاده شده و به قیمت‌گذاری این اوراق با استفاده از الگوریتم‌های یادگیری ماشین و مدل بلک شولز پرداخته‌شده است. برای بررسی عملکرد این مدل‌ها به مقایسه برآورد هریک از مدل‌ها باقیمت بازار این اوراق پرداخته‌شده است. این مقایسه با استفاده از معیارهای آماری میانگین خطا مطلق و جذر میانگین مربعات خطا انجام‌شده است. همچنین، پژوهش حاضر عملکرد الگوریتم‌های یادگیری ماشین و مدل بلک شولز را با در نظر گرفتن دوره قرارداد و ارزندگی اوراق نیز بررسی کرده است. نتایج نشان می‌دهد که الگوریتم‌های یادگیری ماشین در پیش‌بینی قیمت اوراق اختیار معامله نسبت به مدل بلک‌شولز عملکرد بهتری داشته‌اند. همچنین مقایسه عملکردمدل‌ها در پیش‌بینی قیمت متناسب با دوره قرارداد و ارزندگی اوراق نیز برتری الگوریتم‌های یادگیری ماشین را تائید می‌کند. در این میان، الگوریتم تقویت گرادیان سریع نسبت به سایر مدل‌ها بهترین عملکرد را داشته است.