Echtzeit-Bewertung von Optionen mit Marktpreisen durch Web-Mining und Neurosimulation

Mehr zum Buch

Die Dissertation untersucht, ob zeitabhängige künstliche neuronale Netze, die auf großen, automatisch aus dem Internet extrahierten Daten basieren, bei der Optionsbewertung genauso präzise oder besser sind als traditionelle theoretische Ansätze wie Black/Scholes oder Cox/Ross/Rubinstein. Letztere beruhen auf unrealistischen Annahmen, insbesondere hinsichtlich der zukünftigen Volatilität des Basiswerts. Zudem werden in herkömmlichen Modellen oft „versteckte“ Einflussfaktoren nicht berücksichtigt. Daher nutzen alternative Bewertungsansätze künstliche neuronale Netze, um Marktpreismodelle aus tatsächlich beobachteten Daten zu lernen und zusätzliche marktbeschreibende Faktoren einzubeziehen. Die Arbeit entwickelt die Software Warrant Pro I, die den Web-Content-Mining-Agenten PISA und den Neurosimulator FAUN kombiniert. Diese Software ermöglicht die Extraktion beliebiger Internetdaten und die Echtzeiterzeugung von Marktpreismodellen für Optionen durch Neurosimulation. Dabei werden Daten gefiltert, um emittentenspezifische Modelle zu generieren, und es werden Beispiele mit Call-Optionen auf den Deutschen Aktienindex DAX evaluiert. Die Analyse konzentriert sich auf die Zeit t, Moneyness S/X und Restlaufzeit T, wobei kurze Zeitspannen betrachtet werden, um die Volatilität s und den Zinssatz r konstant zu halten. Statistische Analysen und die Bewertung von Over-the-Counter-Optionen belegen die Realisierbarkeit und Qualität dieses Ansat