Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2021

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: NASDAQ

Sortuj według:

Ogranicz wyniki do:

The simplest option valuation genetic algorithm model – NASDAQ case study

Małecka Joanna, Vila Biglieri Jorge

Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie

2021

Nr 83

63--80

The capital market is the meeting place of supply and demand. The profit orientation possible through the stock market stimulates two processes: 1) buying or 2) selling financial instruments – a long or short option. Investing is a process accompanied by fluctuations – often of <1% per day. Hence, individual investors look for alternatives, which include deriv-atives that fluctuate up to 100% per day. Therefore, the need was perceived to develop an instrument – a valuation tool – to help individual investors make investment decisions. The Black-Scholes Model (BSM) uses six independent variables. It was therefore decided to com-pile an alternative valuation model based on the Genetic Algorithm (GA) on the strength of companies listed on NASDAQ: FaceBook, Apple, Amazon, Netflix and Google (so-called FAANG companies), using Eureqa GA software. The purpose of this paper is to present the results of a study that attempts to develop a more efficient option pricing model by comparing the accuracy of the Genetic Algorithm (GA) and the Black-Scholes Model (BSM) and evaluating gaps in underlying price movements. The comparison of the genetic algorithm with the traditional Black-Scholes option pricing model led to the development of a new linear investment model – investors can make predictions using one variable – the share price, which should significantly optimise strategic investment decisions. The presented model is characterised by higher investment efficiency, especially important for individual investors, who usually are not able to achieve the profit scale effect based on the value of a retail investment portfolio.

Rynek kapitałowy jest miejscem spotkania podaży i popytu. Orientacja na zysk, możliwy do osiągnięcia za pośrednictwem giełdy stymuluje dwa procesy: 1) kupno instrumentów finansowych lub 2) ich sprzedaż, czyli długą lub krótką opcję. Inwestowanie to proces, któremu towarzyszą wahania – często na poziomie <1% dziennie. Stąd inwestorzy indywidualni poszukują rozwiązań alternatywnych, do których należą instrumenty pochodne, dziennie oscylujące nawet o 100%. Dlatego dostrzeżono potrzebę opracowania instrumentu – narzędzia wyceny – ułatwiającego inwestorom indywidualnym podejmowanie decyzji inwestycyjnych. Wykorzystywany model Blacka-Scholesa (BSM) stosuje sześć zmiennych niezależnych. Zdecydowano skompilować alternatywny model wyceny bazujący na algorytmie genetycznym (GA) na podstawie indeksów spółek notowanych na NASDAQ: Facebook, Apple, Amazon, Netflix i Google (tzw. spółki FAANG), przy zastosowaniu oprogramowania Eureqa GA. Celem artykułu jest prezentacja wyników badań będących próbą opracowania skuteczniejszego modelu wyceny opcji przez porównanie dokładności algorytmu genetycznego (GA) i Blacka-Scholesa (BSM) oraz ewaluacji luk w ruchach cen instrumentów bazowych. Komparacja algorytmu genetycznego z tradycyjnym modelem wyceny opcji Blacka-Scholesa pozwoliła na opracowanie nowego modelu inwestycyjnego o charakterze liniowym – inwestorzy mogą dokonywać prognoz za pomocą tylko jednej zmiennej – ceny akcji, co znacznie powinno zoptymalizować podejmowanie strategicznych decyzji inwestycyjnych, bowiem presja zakupowa powoduje szybki wzrost cen instrumentów bazowych, co implikuje niechęć właścicieli opcji do sprzedaży instrumentów pochodnych w momentach wzrostów ujemnych. Prezentowany model charakteryzuje większa skuteczność inwestycyjna, szczególnie istotna dla indywidualnych inwestorów, którzy zazwyczaj nie są w stanie osiągnąć efektu skali zysku na podstawie wartości detalicznego portfela inwestycyjnego.