Un team di ricercatori ha sviluppato un metodo innovativo per costruire modelli di mercato finanziari usando reti neurali. L'approccio, descritto nel preprint arXiv:2608.30867, permette di creare alberi binomiali ricompresivi direttamente da prezzi di opzioni esistenti.
Questo metodo non stima funzioni di prezzaggio continue o superfici di volatilità locale, ma deforma direttamente un albero di riferimento tramite rete neurale. Il risultato è un modello discreto di prezzaggio che è privo di arbitraggio, completo e facilmente interpretabile.
La calibrazione viene formulata come problema di ottimizzazione penalizzata, combinando errori di riprezzaggio con termini di penalità per l'ammissibilità. È possibile aggiungere anche una regolarizzazione spaziale basata sulle volatilità locali implicate.
Gli esperimenti numerici mostrano risultati precisi sia con dati sintetici che con dati di mercato SPX. Il metodo è competitivo rispetto ad altre tecniche neurali recenti e mantiene gli vantaggi computazionali tipici degli alberi finanziari.
Un aspetto particolarmente interessante è la riutilizzabilità dell'albero calibrato per valutare contratti con esercizio anticipato, come opzioni americane. Questo apre nuove possibilità per strategie di trading replicabili e gestione del rischio.
