컴퓨터에 의해 구동되는 무차익 옵션 가격 예측 방법으로서,주식 시장을 표현하는 모형으로서 무차익 옵션 가격 예측에 사용될 모수 모형(parametric model) 및 해당 모수 모형에 따라 학습될 기계 학습 모델(neural network model)을 선택하는 단계;주식 시장에서 수집된 옵션의 실제 거래 데이터를 이용함으로써 상기 모수 모형이 옵션 거래에 관한 현실의 주식 시장을 반영할 수 있게 하는 모수(parameter)를 추정하는 단계;가격 예측이 필요한 옵션 만기의 최대값 및 최소값, 옵션 가격대의 최대값 및 최소값이 결정된 경우, 상기 옵션 만기 및 상기 옵션 가격대의 각각의 최대값과 최소값 사이의 2차원 격자점들을 생성하고, 상기 모수 추정이 완료된 모수 모형에서의 무차익 옵션 가격 결정 방법에 따라 상기 2차원 격자점들에 각각 상응하는 가상의 옵션 데이터를 생성하는 단계; 및상기 가상 옵션 데이터 및 상기 실제 거래 데이터를 이용하여 상기 선택된 기계 학습 모델을 학습시키고, 학습된 기계 학습 모델을 이용하여 신규 입력 데이터에 관한 무차익 옵션 가격을 예측하는 단계;를 포함하고,상기 가상 옵션 데이터 및 상기 실제 거래 데이터를 이용하여 상기 기계 학습 모델을 학습시킴에 있어서, 하기의 수학식 1의 비용 함수에 따른 비용()이 최소화될 수 있도록 뉴럴 네트워크 모델을 구축하는 것을 특징으로 하는, 무차익 옵션 가격 예측 방법.[수학식 1]여기서, 는 생성된 가상 옵션 데이터의 만기 및 가격대를 나타내고, 는 생성된 가상 옵션 데이터에 따른 옵션 가격을 나타내며, 는 실제 거래 데이터를 입력으로 한 상기 기계 학습 모델에 따른 예측 옵션 가격을 나타내고, 는 가상 옵션 데이터를 입력으로 한 상기 기계 학습 모델에 따른 예측 옵션 가격을 나타내며, 및 는 각각에 적용된 가중치를 나타냄.

제1항에 있어서,상기 모수를 추정하는 단계는, 해당 모수 모형의 무차익 옵션 가격 결정 방법에 따른 옵션 가격 예측치와 상기 실제 거래 데이터에 따른 옵션 가격 간의 에러(error)가 최소화되도록 하는 모수로 추정되는 것을 특징으로 하는, 무차익 옵션 가격 예측 방법.

제2항에 있어서,상기 모수를 추정하는 단계는, 하기 수학식 2에 의해 실행되는 것을 특징으로 하는, 무차익 옵션 가격 예측 방법.[수학식 2]여기서, 는 해당 모수 모형에 따라 선택된 무차익 옵션 가격 결정 방법에 따른 옵션 가격 예측치를 나타내고, 상기 수집된 실제 거래 데이터를 라 할 때 는 실제 주식 시장에서 거래된 옵션의 만기와 가격대를 나타내고 는 실제 주식 시장에서 거래된 옵션의 가격을 나타내며, 는 해당 모수 모형에서의 모수를 나타내고 는 추정된 모수를 나타냄.

삭제

제1항에 있어서,상기 수학식 1의 비용 함수에 따른 비용이 최소화되도록 하는 상기 가중치들을 결정함에 있어서 역전파(backpropagation) 알고리즘을 이용하는 것을 특징으로 하는, 무차익 옵션 가격 예측 방법.

제1항, 제2항, 제3항 및 제5항 중 어느 한 항에 따른 무차익 옵션 가격 예측 방법을 실행하는 프로그램 코드가 기록되며 컴퓨터로 읽을 수 있는 기록 매체.