Gate.io Research 헤징 전략 — 옵션 거래의 우산

1936 년 영국의 수학자 인 Alan Turing은 Turing Machine의 개념을 제시하여 인공 지능 (AI) 연구를위한 새로운 장을 열었습니다. 오늘날 우리는 딥 러닝이 더 중요한 역할을하는 시점에 이르렀으며 금융 부문에서 AI를 적용하는 방법에 대한 인기 주제가되었습니다. 이 보고서에서는 LSTM (Long-Short-Term-Memory)이라고하는 인공적인 RNN (Recurrent Neural Network)이 비트 코인 (BTC) 가격의 내재 변동성을 명시 적으로 설명하는 주류 헤지 전략과 함께 적용합니다. LSTM 아키텍처가 BTC 변동성을 예측하는 역할을 할 수 있다는 것이 밝혀졌습니다.

주요

조치 :- 적용된 모델이 적절한 방식으로 시장 움직임을 예측하지 못하면 옵션 거래 위험이 발생합니다.

전형적인 헤징 전략에서, 판매자는 기초 자산의 가격 변동성을 헤지하기위한 시도로 손절매 주문을하는 경향이 있습니다. 구매자는 단기간에 기본 가격의 급등이나 급락에 관계없이 수익을 창출하는 방법으로 델타와 감마에 종종 의존합니다.

LSTM 네트워크의 경우, 변동성이 높은 가격 변동이 발생할 경우 모델이 BTC 가격 변동성을 예측할 수없는 것으로 나타났습니다. 그러나 예측 결과와 테스트 세트의 실제 값은 전체 변동성 추세에 가깝습니다. 이는 LSTM이 옵션 거래 활동에 대한 참조로 사용될 수 있음을 나타냅니다.