Seminarium z udziałem Łukasza Adamskiego, doktoranta WNE UW

Zapraszamy na 70. seminarium organizowane przez ośrodki QFRG oraz DSLab. Podczas spotkania Łukasz Adamski, doktorant związany z Katedrą Finansów Ilościowych i Uczenia Maszynowego WNE UW, omówi wyniki badania pt. “Reading Between the Rates: How Options Price Fed Uncertainty”. Współautorem jest dr hab. Robert Ślepaczuk, prof. ucz. (Katedra Finansów Ilościowych i Uczenia Maszynowego).

Na spotkanie zapraszamy 25 maja br. o godz. 16:45. Odbędzie się stacjonarnie, w sali B002 (WNE UW, ul. Długa 44/50) oraz zdalnie, na platformie zoom - w celu uzyskania danych niezbędnych do dołączenia online prosimy o wiadomość mailową (kaY6hMPd=V3&vZwrx]gnUK]#[\TI~X-7FUN|i!Po{^B]wF4).

Prelekcja potrwa ok. 45 minut, po niej – zwyczajowo, odbędzie się dyskusja.

Wszystkich zainteresowanych wysłuchaniem wykładu prosimy o obecność możliwie na 5 minut przed jego rozpoczęciem.

Zapraszamy do zapoznania się z abstraktem, dostępnym poniżej.

-----------

Abstrakt

Our primary goal is to forecast and empirically examine the evolution of the implied volatility (IV) surface, with particular focus on the dates of scheduled meetings of the Federal Open Market Committee (FOMC). Firstly, we check for a monotonic increase of IV before the announcement, which is hypothesised to be stronger for short-dated, out-the-money (OTM) options in high volatility regimes. In the second part, the hypotheses turn the focus to verifying if the ML framework can beat the benchmark random walk in forecasting this effect. A feature related to dates of scheduled FOMC meetings augments the model, which allows us to discover if it can learn the effect of elevated pre-announcement uncertainty. Our contribution relies mainly on the quantitative prediction of the pre-announcement effect and the inclusion of exogenous information inside the ML framework used for the IV surface forecasting. It is also a first attempt to apply ML models directly on the IV surface without relying on dimensionality reduction. To achieve this, we employ a convolutional two-dimensional LSTM model, which is capable of learning spatio-temporal signals in the surface. Our analysis reveals that the edge of the ML framework can be limited due to the noisy characteristics of the IV surface. Nevertheless, our study reinforces the perspective that ML models can effectively forecast the IV surface also during abnormal days.

Keywords: Implied Volatility Surface, Convolutional 2D LSTM, FOMC Announcements, Pre-announcement Uncertainty