dc.contributor.author | Παπαδόπουλος, Κωνσταντίνος![]() |
|
dc.contributor.author | Papadopoulos, Konstantinos![]() |
|
dc.date.accessioned | 2025-03-31T09:10:04Z | |
dc.date.available | 2025-03-31T09:10:04Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/61543 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.29239 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Monte Carlo | en |
dc.subject | Αποτίμηση Παραγώγων | el |
dc.subject | Αποτίμηση Δικαιωμάτων Προαίρεσης | el |
dc.subject | multi-asset options | en |
dc.subject | variance reduction | en |
dc.subject | Monte Carlo with least squares | en |
dc.subject | MCLS | en |
dc.subject | Πολυδιάστατα Δικαιώματα Προαίρεσης | el |
dc.subject | BSDE | en |
dc.subject | FBSDE | en |
dc.subject | PIDE | en |
dc.subject | Neural Networks | el |
dc.subject | AI | en |
dc.subject | Τεχνητή Νοημοσύνη | el |
dc.subject | Νευρωνικά Δίκτυα | el |
dc.subject | Οπισθόδρομες ΣΔΕ | el |
dc.title | Μέθοδος Monte Carlo με Ελάχιστα Τετράγωνα και Εφαρμογές στα Χρηματοοικονομικά Μαθηματικά | el |
dc.title | Monte Carlo with Least Squares Method and Applications in Financial Mathematics | en |
dc.contributor.department | Τομέας Μαθηματικών. Εργαστήριο Οικονομικών Μαθηματικών και Μαθηματικής Βελτιστοποίησης | el |
heal.type | bachelorThesis | |
heal.classification | Χρηματοοικονομικά Μαθηματικά | el |
heal.classification | Στοχαστικές Διαφορικές Εξισώσεις | el |
heal.classification | Αποτίμηση Παραγώγων | el |
heal.classification | Financial Engineering | en |
heal.classification | Monte Carlo | en |
heal.classification | Derivatives Pricing | en |
heal.classification | MC Error optimization | en |
heal.classification | Function approximation | en |
heal.classification | Stochastic Differential Equations | en |
heal.classification | Option Pricing | en |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2025-03-20 | |
heal.abstract | Σκοπός της παρούσας εργασίας είναι η ανάπτυξη της Μεθόδου Monte Carlo με Ελάχιστα Τετράγωνα (MCLS) τόσο σε θεωρητικό όσο και σε πρακτικό βαθμό. Αρχικά αναλύουμε την κλασσική μέθοδο Monte Carlo (MC), αναφέροντας τα πλεονεκτήματα της ως προς τη σύγκλιση της μεθόδου καθώς και την ανάλυση του σφάλματος της. Στη συνέχεια μετατρέπουμε την κλασσική MC ως μια ειδική περίπτωση της μεθόδου που θα ασχοληθούμε στο υπόλοιπο της εργασίας, δηλαδή της MCLS την οποία έπειτα ορίζουμε. Βασική αρχή της MCLS αποτελεί η ῾῾ προσέγγιση και ολοκλήρωση ᾿᾿ σε τρία βήματα που καθορίζονται στον Αλγόριθμο 1. Μετά γίνονται αναφορές σε εναλλακτικές μεθόδους της MCLS που βελτιώνουν τον υπολογιστικό χρόνο αλλά και το κόστος που προκαλείται σε υψηλές διαστάσεις λόγω περιορισμών χωρητικότητας μνήμης. Έπειτα καταλήγουμε σε μια πληθώρα εφαρμογών τόσο σε μαθηματικές συναρτήσεις όσο και σε χρηματοοικονομικά-στοχαστικά μοντέλα για την αποτίμηση Ευρωπαϊκών δικαιωμάτων προαίρεσης, όπου διαφαίνεται η ακρίβεια της μεθόδου MCLS και η βελτίωση της σε επίπεδο υπολογιστικού χρόνου - σφαλμάτων σε σύγκριση με την κλασσική MC για διάφορες περιπτώσεις. Επιπλέον, άξιο αναφοράς αποτελεί και η εισαγωγή στην επίλυση συστημάτων Εμπρόσθιων Οπισθόδρομων Στοχαστικών Διαφορικών Εξισώσεων FBSDEs χρησιμοποιώντας τεχνικές βαθειάς μάθησης, όπως Τεχνητά Νευρωνικά Δίκτυα με την ταυτόχρονη συνδρομή της MC πάνω σε προβλήματα αποτίμησης δικαιωμάτων προαίρεσης πολυδιάστατων υποκείμενων μεταβλητών. | el |
heal.advisorName | Παπαπαντολέων, Αντώνιος | |
heal.advisorName | Papapantoleon, Antonis | |
heal.committeeMemberName | Λουλάκης, Μιχαήλ | |
heal.committeeMemberName | Loulakis, Michail | |
heal.committeeMemberName | Σαπλαούρας, Αλέξανδρος | |
heal.committeeMemberName | Saplaouras, Alexandros | |
heal.academicPublisher | Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 119 | |
heal.fullTextAvailability | false |
The following license files are associated with this item: