ABSTRACT The aim of this paper is to model the European call price using neural networks (NNs). Many existing works have treated the problem as Hutchinson et al. [(1994). A nonparametric approach to pricing and hedging derivative securities via learning networks. J Finance. 49(3):851–889] Compared to these previous studies, the originality of our work consists in considering the volatility as stochastic and then to compare the NN’s results to those of Heston (1993) model rather than to those of Black and Scholes [(1973 May–Jun). The pricing of options and corporate liabilities. J Polit Econ. 81(3):637–654)] as Hutchinson et al. did. We base our empirical work on real data (12 contracts on CAC40 index from the period January 2005 to January 2007). We found that the NNs approach gives better performances than the Heston’s, in terms of accuracy and convergence speed.

中文翻译：

---

与 Heston 模型相比，使用神经网络进行欧洲看涨期权价格建模，将波动性视为随机性

摘要 本文的目的是使用神经网络 (NN) 对欧洲看涨期权价格进行建模。许多现有的工作已经像 Hutchinson 等人一样处理了这个问题。[（1994 年）。通过学习网络对衍生证券进行定价和对冲的非参数方法。J金融。49(3):851–889] 与这些先前的研究相比，我们工作的独创性在于将波动性视为随机性，然后将 NN 的结果与 Heston (1993) 模型的结果进行比较，而不是与 Black 和 Scholes 的结果进行比较[（1973 年 5 月至 6 月）。期权和公司负债的定价。J 政治经济学。81(3):637–654)] 如 Hutchinson 等人。做过。我们的实证工作基于真实数据（2005 年 1 月至 2007 年 1 月期间 CAC40 指数的 12 份合约）。我们发现 NNs 方法比 Heston 方法有更好的表现，