Der im Journal of Derivatives veröffentlichte Beitrag „Advanced Option Pricing and Hedging with Q-Learning: Performance Evaluation of the QLBS Algorithm“ des Doktoranden unseres Lehrstuhls Zoran Stoiljkovic wurde im Rahmen des Peter L. Bernstein Award 2025 als einer der Outstanding Articles ausgezeichnet.
Die Arbeit untersucht, wie sich Optionen mit KI-Methoden, insbesondere mit Reinforcement Learning, bewerten und absichern lassen. Im Mittelpunkt steht Q-Learning Black-Scholes (QLBS), ein Ansatz, der die klassische Black-Scholes-Merton-Logik mit Q-Learning verbindet und eine modellfreie, datengetriebene Bewertung und Absicherung von Optionen ermöglicht. Die Studie zeigt, dass der QLBS-Algorithmus bei den untersuchten Volatilitäten, Absicherungsfrequenzen, Moneyness-Bereichen und Zinsniveaus sowie unter Berücksichtigung von Dividenden und Transaktionskosten robuste Ergebnisse liefert.
Weitere Informationen finden Sie hier:
https://www.pm-research.com/PLB-Award-2025-Outstanding-Articles