Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10908/23893
Título : | Aprendizaje de refuerzo aplicado a cobertura de derivados |
Autor/a: | Kestler, Santiago Martín |
Mentor/a: | Macri, Pablo Glancszpigel, Federico |
Fecha de publicación : | jun-2024 |
Editor: | Universidad de San Andrés. Escuela de Negocios |
Resumen : | En el presente trabajo se estudia el uso de un algoritmo de aprendizaje de refuerzo o reinforcement learning en inglés, para realizar cobertura de riesgo en derivados. En especial, se analiza la factibilidad de este algoritmo para su aplicación en casos de cobertura de opciones de compra y venta europeas. Para ello, se comparan las posiciones de cobertura del algoritmo con aquellos de la resolución por el modelo tradicional de cobertura utilizando la fórmula de Black Scholes Merton (BSM). Se concluye tras el análisis de las posiciones y del error de estimación del modelo que es posible la aplicación de este algoritmo para cubrir el riesgo de derivados proveniente del subyacente. Además, se estima que para el modelo aplicado es necesario repetir el entrenamiento para un nuevo derivado. Por último, es necesario contar con una elevada cantidad de datos para ejercer un entrenamiento efectivo del programa. |
Descripción : | Fil: Kestler, Santiago Martín. Universidad de San Andrés. Escuela de Negocios; Argentina. |
URI : | http://hdl.handle.net/10908/23893 |
Aparece en las colecciones: | Trabajos de Licenciatura en Finanzas |
Ficheros en este ítem:
Fichero | Tamaño | Formato | |
---|---|---|---|
[P][W] T.L. Fin. Kestler, Santiago Martín.pdf | 1.02 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.