Option Princing with Neural Networks

Abstract

Este trabajo explora el uso de redes neuronales profundas para predecir precios de opciones financieras, comparándolas con modelos clásicos como Black-Scholes. Tras introducir los fundamentos del pricing de opciones y sus limitaciones, se revisa la literatura reciente que aplica deep learning para mejorar la precisión y flexibilidad del cálculo de precios, especialmente en entornos donde los supuestos tradicionales no se cumplen, así como las mejoras en explicabilidad de modelos.

This Thesis explores the use of deep neural networks to predict financial option prices, comparing them with classical models such as Black-Scholes. After introducing the fundamentals of option pricing and its limitations, we review recent literature that applies deep learning to improve the accuracy and flexibility of option pricing, especially in environments where traditional assumptions are not met, as well as improvements in model explainability.