서지주요정보
머신 러닝을 이용한 등가격 내재변동성 패턴 전환 예측 및 변동성 스큐 조정 델타 헤징 실증분석 = Predicting the regimes of ATM implied volatility using machine learning and empirical analysis of volatility skew adjusted delta hedging
서명 / 저자 머신 러닝을 이용한 등가격 내재변동성 패턴 전환 예측 및 변동성 스큐 조정 델타 헤징 실증분석 = Predicting the regimes of ATM implied volatility using machine learning and empirical analysis of volatility skew adjusted delta hedging / 한혜진.
발행사항 [대전 : 한국과학기술원, 2020].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8036735

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MFE 20045

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

등록번호

9001507

소장위치/청구기호

서울 학위논문 서가

MFE 20045 c. 2

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

In the case of the Black Scholes Delta hedging, without information about the volatility skew, the Black Scholes Delta hedging can be seen as incomplete Hedging. Thus, by applying the Derman's three sticky rules and patterns, Volatility Skew Adjustment Delta can reflect the skew of implied volatility. In plunge section, Sticky Implied Tree and Sticky Moneyness were better than Black Scholes Delta. In increasing section, Sticky Moneyness was the best Rule. In stable section, Sticky Strike (Black Scholes) performed well. In addition, by using Markov switching models and Machine Learning to predict Derman's sticker rules, the prediction models can be used for delta hedging. But these prediction models were not the best performer in test period. Because the test had many stable and rising sections that the Black Scholes delta performed well. Thus, further analysis of the additional plunge, Covid-19 Period, showed that the volatility of the hedging portfolio of Black Scholes Delta soared while the Delta hedge model through the prediction of the Sticky Rule was stable. In other words, it could be seen that the prediction models, especially Machine Learning model, showed strength in the plunging section.

블랙 숄즈 델타의 경우 변동성 스큐에 대한 정보가 없는 민감도로 블랙 숄즈 델타 헤징은 불완전한 헤징이라 볼 수 있다. 이에 Derman의 3가지 스티키룰, 패턴을 적용하여 내재변동성의 스큐를 반영한 변동성 스큐 조정 델타를 적용하여 분석해보았다. 주가 지수 급락구간에서는 스티키 트리 및 스티키 머니니스, 상승구간에서는 스티키 머니니스, 안정구간에서는 스티키 스트라이크 즉 블랙 숄즈 델타에서 헤징성과가 좋게 나왔다. 또한 추가적으로 마코프 스위칭 모델과 머신 러닝을 이용하여 Derman의 내재변동성 패턴을 예측하여 델타 헤징을 했을 경우, 테스트 전구간에서 블랙 숄즈 델타가 우수하다는 것을 확인하였다. 이는 테스트의 구간이 상대적으로 블랙 숄즈 델타가 우수한 안정과 상승 구간이었기 때문이다. 이에, 추가적으로 급락 구간인 코로나 기간을 추가 분석하였을 때 기존의 블랙 숄즈 델타의 헤징 포트폴리오의 변동성은 급등하는 반면 스티키 룰 예측을 통한 델타 헤징 모델은 안정적인 것을 볼 수 있었다. 즉 급락구간에 강점을 보이는 것을 확인할 수 있었다.

서지기타정보

서지기타정보
청구기호 {MFE 20045
형태사항 iii, 33 p. : 삽도 ; 30 cm
언어 한국어
일반주기 저자명의 영문표기 : Hye-Jin Han
지도교수의 한글표기 : 김동규
지도교수의 영문표기 : Donggyu Kim
학위논문 학위논문(석사) - 한국과학기술원 : 금융공학프로그램,
서지주기 참고문헌 : p. 32-33
주제 변동성 조정 델타
델타 헤징
내재변동성 패턴(스티키룰)
마코프 스위칭 모델
머신러닝
Volatility Skew Adjustment Delta
Delta hedging
Sticky Rule
Markov-Switching Model
Machine-Learning
QR CODE qr code