026-15

第26回研究会

効率的なDeep Hedgingのためのニューラルネットワーク構造†

著者†

今木翔太(東京大学), 今城健太郎, 伊藤克哉, 南賢太郎(Preferred Networks), 中川慧(野村アセットマネジメント)

概要†

Deep Hedgingは、深層学習を用いて、不完全市場でのオプションの最適ヘッジ戦 略を計算する汎用的な枠組みである。しかし、最適ヘッジ戦略は過去のヘッジ行動に依存するため、 訓練が難しい。この課題を解決するため、我々は、No-Transaction Band 戦略のアイデアを活用す る。No-Transaction Band 戦略は、指数型効用関数のもとでヨーロピアン・オプションをヘッジする 最適戦略として知られる。我々は、この戦略がより一般の効用関数・エキゾチックを含む幅広いオ プションに対しても最適ヘッジであることを証明する。この結果に基づき、我々は No-Transaction Band ネットワークを提案する。このネットワークは、過去のヘッジ行動をニューラルネットのイン プットに使用せず、No-Transaction Band を出力する。そのため、高速な訓練が可能となり、かつ 理論的結果により最適ヘッジ戦略をより正確に求めることが期待できる。数値実験の結果、ヨーロ ピアン・オプションおよびルックバック・オプションに対し、我々のネットワークが通常の順伝播型 ニューラルネットより高速に、より優れたヘッジ戦略を実現することを示した。

キーワード†

金融派生商品, ヘッジ, 深層学習, ニューラルネットワーク

論文†

15_SIG-FIN-26.pdf