이 연구는 인공 시장 시뮬레이션을 활용하여 기초자산 시뮬레이션을 수행하는 새로운 딥 헤징 접근법을 제안하였다. 기존 연구에서는 수학적 금융 모델(예: 브라운 운동, Heston 모델)을 사용하였지만, 이 연구에서는 인공 시장 시뮬레이션만을 사용하였다.
실험 결과, 제안된 접근법은 기존 접근법과 거의 동일한 수준의 성능을 달성할 수 있었다. 특히 유틸리티 함수로 ERM(λ=1)을 사용할 때 제안된 접근법이 가장 좋은 성능을 보였다. 그러나 CVaR(α=0.99)와 같이 위험에 민감한 유틸리티 함수를 사용할 때는 제안된 접근법의 성능이 다소 떨어졌다. 이는 인공 시장 시뮬레이션이 실제 시장보다 극단적인 위험 사건을 더 많이 생성하기 때문인 것으로 보인다.
또한 최적의 모델 매개변수는 상황과 유틸리티 함수에 크게 의존하는 것으로 나타났다. 이는 딥 헤징에 가장 적합한 기초자산 시뮬레이션이 상황에 따라 달라질 수 있음을 시사한다.
전반적으로 이 연구 결과는 인공 시장 시뮬레이션이 딥 헤징을 위한 기초자산 시뮬레이션의 좋은 후보가 될 수 있음을 보여준다. 그러나 인공 시장 시뮬레이션의 한계점도 있으므로, 향후 연구에서는 더 정교한 인공 시장 시뮬레이션 모델을 개발하고 딥 헤징을 위한 견고한 기초자산 시뮬레이션을 조사할 필요가 있다.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Masanori Hir... ที่ arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09462.pdfสอบถามเพิ่มเติม