Title: Approximation of the rough Heston model by machine learning
Language: English
Authors: Kalista, Mario 
Qualification level: Diploma
Keywords: Rough-Heston Modell; Approximation Pricing-Funktion; Künstliches neuronales Netz; Radiales Basisfunktions-Netzwerk; Aktivierungsfunktionen; Trainingsphase; Numerische Experimente
Rough-Heston Model; Approximation Pricing-function; Artificial neural network; Radial basis function network; Activation function; Training; Numerical simulations
Advisor: Gerhold, Stefan 
Issue Date: 2019
Number of Pages: 72
Qualification level: Diploma
Diese Diplomarbeit beschäftigt sich mit der Approximation der Pricing-Funktion eines Volatilität-Modells - dem Rough-Heston Modell - mithilfe eines künstlichen neuronalen Netzes. Zu Beginn der Arbeit wird die Pricing-Funktion dieses Modells berechnet. Anschließend werden allgemein Funktionsweise und Begrifflichkeiten von neuronalen Netzen definiert und deklariert, bevor der Kern der Arbeit, welcher sich mit dem radialen Basisfunktions-Netzwerk beschäftigt, erörtert wird. Es werden vor allem die Approximations-Fähigkeit, sowie die für die Performance entscheidende Trainingsphase, inklusive verschiedener Aktivierungsfunktionen, näher betrachtet und erklärt. Abschließend wird die numerische Implementierung der Approximation der Pricing-Funktion durch ein radiales Basisfunktions-Netzwerk gezeigt, sowie unterschiedliche Simulationen des Netzes durchgeführt.

The objective of this diploma thesis is the approximation of the pricing-function of the Rough-Heston volatility model via an artificial neural network. At the beginning, the pricing-function of this model is calculated. A general declaration of terms, as well as the operating principle of neural networks will illustrate how these networks are trained and how they operate. Subsequently, the key topic of this thesis, the radial basis function network, is covered in detail, including an explanation of why such networks can be used for the approximation of functions. There is also an in-depth description of the essential training algorithm including its activation functions. Finally, the numerically implemented approximation is presented and various simulations of the network are analysed.
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-122251
Library ID: AC15325463
Organisation: E105 - Institut für Stochastik und Wirtschaftsmathematik 
Publication Type: Thesis
Appears in Collections:Thesis

Files in this item:

File Description SizeFormat
Approximation of the rough Heston model by machine learning.pdf856.15 kBAdobe PDFThumbnail
Show full item record

Page view(s)

checked on Feb 18, 2021


checked on Feb 18, 2021

Google ScholarTM


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.