BLILI, M. Mohamed (2024) Calibration du modèle Heston avec les méthodes Kernel PRE - Projet de recherche, ENSTA.
Fichier(s) associé(s) à ce document :
| PDF 5Mb |
Résumé
Ce projet de recherche vise à calibrer le modèle Heston en utilisant des méthodes de Kernel, avec une première phase exploratoire dédiée aux réseaux de neurones. Le modèle Heston est crucial en finance pour évaluer les options et capturer la dynamique des volatilités stochastiques, mais sa calibration précise reste complexe. Nous commencerons par utiliser les réseaux de neurones pour obtenir des estimations initiales robustes des paramètres du modèle. Ensuite, nous affinerons ces estimations grâce aux techniques de Kernel, réputées pour leur flexibilité et leur précision.
Type de document: | Rapport ou mémoire (PRE - Projet de recherche) |
---|---|
Mots-clés libres: | Heston, Calibration, Kernel, Réseaux de neurones, volatilité implicite |
Sujets: | Mathématiques et leurs applications |
Code ID : | 10014 |
Déposé par : | Mohamed BLILI |
Déposé le : | 28 août 2024 18:54 |
Dernière modification: | 28 août 2024 18:54 |