양자 진폭 추정 방법을 활용하여 레인보우 옵션의 가격을 효율적으로 책정할 수 있는 양자 회로 구현 방법을 제안한다.
본 연구는 GARCH 모델과 LSTM 신경망 모델의 장점을 결합한 GARCH 기반 신경망 모델(GINN)을 제안하여, 기존 모델들보다 우수한 금융 시장 변동성 예측 성능을 보여줌.
교차통화 포트폴리오를 기초자산으로 하는 주식 보호 스왑의 가격 책정 및 헤지 전략을 제시한다. 국내 및 해외 주식 수익률, 환율 변동성 등을 고려하여 다양한 헤지 방법을 분석하고 비교한다.
이 논문은 딥 러닝 기술을 활용하여 복잡한 금융 파생상품의 가치를 효율적으로 평가하는 방법을 제안한다. 특히 버뮤다 스왑션의 가치 평가를 위해 차별화된 인공 신경망, 몬테카를로 시뮬레이션 기반 학습 데이터, 그리고 합동 학습 기법을 결합한 새로운 접근법을 소개한다.
인공 시장 시뮬레이션을 활용하여 기존 수학적 금융 모델을 대체할 수 있는 새로운 딥 헤징 접근법을 제안하고 그 효과를 분석하였다.
다중 에이전트와 자기 적응형 포트폴리오 최적화 프레임워크를 제안하여 변동성이 높은 금융 시장에서 수익과 위험을 균형있게 관리할 수 있다.
본 연구는 알려진 한계 분포와 추가적인 다중 자산 옵션 가격 정보를 활용하여 모델 독립적 상한 및 하한을 개선하는 방법을 제안한다. 이를 위해 자산 가격 간 의존성 불확실성과 시장에서 거래되는 다중 자산 옵션 가격 정보를 결합한다. 이를 통해 보다 현실적이고 실용적인 접근법을 제시한다.