اسدی، غلامحسین و نقدی، سجاد (۱۳۹۷). طراحی و تبیین الگوی پیشبینی رشد اقتصادی با رویکرد حسابداری.
مجله دانش حسابداری، ۹(۳)، ۲۳۱-۲۵۶.
https://doi.org/10.22103/jak.2018.11095.2524.
کاویاری، نرگس؛ فاضلیان، محمدرضا و سلیمانی، حمید (۱۳۹۶). مروری بر الگوریتم بهینهسازی ازدحام ذرات و کاربردهای آن در مهندسی.
فصلنامه مهندسی صنایع و مدیریت، ۳۲(۲)، ۷۹-۹۶.
https://doi.org/10.22060/ijie.2017.12754.2631.
کیمیاگری، علیمحمد؛ حاجیزاده، احسان؛ دستخوان، حسین و رمضانی، مجید (۱۳۹۶). ارائه یک مدل ترکیبی جدید بهمنظور قیمتگذاری اختیار معامله.
نشریه بینالمللی مهندسی صنایع و مدیریت تولید، ۲۸(۱)، ۸۷-۹۹.
https://ijiepm.iust.ac.ir/article-1-1315-fa.html.
نسبی، عبدالنساء؛ ملکی، بهروز و رضایی، روزبه (۱۳۹۵). تخمین پارامترهای مدل قیمتگذاری اختیار معامله اروپایی تحت دارایی پایه با تلاطم تصادفی با کمک رهیافت تابع زیان.
مهندسی مالی و مدیریت اوراق بهادار، ۷(۲۸)، ۹۱-۱۱۵.
https://sanad.iau.ir/Journal/fej/Article/1079398.
نقدی، سجاد؛ اسماعیلی، جواد و محمدزاده مقدم، محمدباقر (۱۳۹۸). تبیین حسابداری کلان با تأکید بر اهمیت دادههای حسابداری در الگوسازی تورم.
مجله دانش حسابداری، ۱۰(۴)، ۵۴۵-۵۸۲.
https://doi.org/10.22103/jak.2019.13753.2946.
پیمانی فروشانی، خداوردی؛ دهقان دهنوی، محمدعلی، و کوهکن، میلاد (۱۴۰۳). ارزشگذاری اوراق اختیار معامله بر اساس شبکه عصبی ماژولار.
پژوهشهای مالی، ۲۶(۴)، ۹۰۴-۹۳۹.
https://doi.org/10.22059/FRJ.2024.372265.1007573.
سعدایی جهرمی، مهدی (۱۴۰۱). ارزشگذاری اختیار معامله با استفاده از الگوریتمهای یادگیری ماشین: شواهدی از بورس اوراق بهادار تهران.
مجله پژوهشهای مالی، ۲۴(۲)، ۵۹-۸۰.
https://doi.org/10.22067/JFR.2022.75412.1154.
سیفی، محمدرضا، احمدی، علی، و همکاران. (۱۴۰۲). مقایسه دقت قیمتگذاری دو مدل بارلز- سونر و باکستین- هاویسون با استفاده از شبکههای عصبی در بازار اختیار معامله شاخص S&P500.
فصلنامه دانش حسابداری و مالی، ۱۰(۳)، ۱۱۵-۱۳۶.
https://doi.org/10.22108/JAF.2023.13952.1331.
Reference
Asadi, G., & Naqdi, S. (2018). Designing and explaining an economic growth forecasting model with an accounting approach.
Journal of Accounting Knowledge, 9(3), 231–256.
doi.org/10.22103/jak.2524 [In Persian].
Bakshi, G., Cao, C., & Chen, Z. (1997). Empirical performance of alternative option pricing models.
Journal of Finance, 52(5), 2003–2049.
https://doi.org/10.1111/j.1540-6261.1997.tb02751.x
Benos, E., & Zikes, F. (2016). Do bid–ask spreads predict future volatility?
Journal of Financial Markets, 27, 19–32.
https://doi.org/10.1016/j.finmar.2015.07.001
Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities.
Journal of Political Economy, 81(3), 637–654.
https://doi.org/10.1086/260062
Bollen, N. P., & Whaley, R. E. (2004). Does net buying pressure affect the shape of implied volatility functions?
Journal of Finance, 59(2), 711–753.
https://doi.org/10.1111/j.1540-6261.2004.00655.x
Chakraborty, A., Puhan, P., & Chakraborty, T. (2021). Option pricing using hybrid particle swarm optimization and artificial neural network.
Applied Soft Computing, 107, 107255.
doi.org/10.1016/j.asoc.2021.107255
Chakraborty, A., et al. (2019). Hybrid particle swarm optimization and neural network model for financial forecasting.
Expert Systems with Applications, 131, 112–130.
https://doi.org/10.1016/j.eswa.2019.03.007
Christoffersen, P. F. (2012).
Elements of financial risk management (2nd ed.). Academic Press (Elsevier).
https://doi.org/10.1016/C2009-0-20150-8
Fisher, M., & Kraus, D. (2018). Pricing complexity options. [
arXiv preprint arXiv:1505.03587].
Goodfellow, I., Bengio, Y., & Courville, A. (2016).
Deep learning. MIT Press.
http://www.deeplearningbook.org
Hastie, T., Tibshirani, R., & Friedman, J. (2009).
The elements of statistical learning: Data mining, inference, and prediction. Springer.
https://doi.org/10.1007/978-0-387-84858-7
He, Y., Huang, X., Ma, L., Luo, Q., & Wu, F. (2014). Enhancing particle swarm optimization with random mutation mechanism for option pricing.
Journal of Computational Finance, 18(1), 23–37.
doi.org/JCF.2014.172
Henarvar, M., Mirzazadeh, S., & Sadeghi, A. R. (2020). Solving a dual-channel supply chain pricing and scheduling problem with price competition using particle swarm optimization.
Computers & Industrial Engineering, 139, 106188.
https://doi.org/10.1016/j.cie.2019.106188
Heston, S. L. (1993). A closed-form solution for options with stochastic volatility with applications to bond and currency options.
The Review of Financial Studies, 6(2), 327–343.
https://doi.org/10.1093/rfs/6.2.327
Hull, J. C. (2018). Options, futures, and other derivatives (10th ed.). Pearson.
Hutchinson, J. M., Lo, A. W., & Poggio, T. (1994). A nonparametric approach to pricing and hedging derivative securities.
The Review of Financial Studies, 7(4), 523–551.
https://doi.org/10.1093/rfs/7.4.523
Jha, G. K., Kumar, S., Prasain, H., & Thulasiraman, P. (2009). Parameter estimation for Black–Scholes model using particle swarm optimization. International Journal of Computer Applications, 1(20), 1–7.
Kafieh, A., Hosseini, F., & Zahedi, R. (2024). A hybrid particle swarm optimization algorithm with opposition-based learning and exploratory mutation for financial modeling.
Expert Systems with Applications, 248, 121492.
https://doi.org/10.1016/j.eswa.2024.121492
Kaviyari, N., Fazelian, M. R., & Soleimani, H. (2017). A review of particle swarm optimization algorithm and its applications in engineering.
Industrial Engineering & Management Quarterly, 32(2), 79–96.
https://doi.org/10.22060/ijie.2017.12754.2631 [In Persian].
Kennedy, J., & Eberhart, R. (1995). Particle swarm optimization.
Proceedings of the IEEE International Conference on Neural Networks (Vol. 4, pp. 1942–1948).
https://doi.org/10.1109/ICNN.1995.488968
Kimiagari, A.M., Hajizadeh, E., Dastkhan, H., & Ramezani, M. (2017). Presenting a new hybrid model for option pricing.
International Journal of Industrial Engineering and Production Management, 28(1), 87–99.
https://ijiepm.iust.ac.ir/article-1-1315-fa.html [In Persian].
Lee, C., Lee, C., Shim, J., & Joon, T. (2007). Binary particle swarm optimization for pricing European options.
Applied Mathematics and Computation, 189(2), 1236–1246.
https://doi.org/10.1016/j.amc.2006.12.008
Merton, R. C. (1973). Theory of rational option pricing.
Bell Journal of Economics and Management Science, 4(1), 141–183.
https://doi.org/10.2307/3003143
Merton, R. C. (1976). Option pricing when underlying stock returns are discontinuous.
Journal of Financial Economics, 3(1–2), 125–144.
https://doi.org/10.1016/0304-405X(76)90022-2
Nagel, S. (2012). Evaporating liquidity.
Review of Financial Studies, 25(7), 2005–2039.
doi.org//hhs024
Naghdi, S., Esmaeili, J., & Mohammadzadeh Moqaddam, M. B. (2019). Explaining macro accounting with emphasis on the importance of accounting data in inflation modeling.
Journal of Accounting Knowledge, 10(4), 545–582.
https://doi.org/10.22103/jak.2019.13753.2946 [In Persian].
Nesbi, A., Maleki, B. R., & Rezaei, R. (2016). Estimation of European option pricing model parameters under stochastic volatility using loss function approach.
Financial Engineering and Securities Management, 7(28), 91–115.
https://sanad.iau.ir/Journal/fej/Article/1079398 [In Persian].
Peymani Foroshani, K., Dehghan Dehnavi, M. A., & Kouhkan, M. (2024). Valuation of options based on a modular neural network.
Financial Research Journal, 26(4), 904–939.
https://doi.org/FRJ.1007573 [In Persian].
Prasain, A., Jha, R., & Thulasiraman, S. (2010). Parallel particle swarm optimization for European option pricing.
Concurrency and Computation: Practice and Experience, 22(16), 2271–2288.
doi.org/10.1002/cpe.1599
Sadaei Jahromi, M. (2022). Option valuation using machine learning algorithms: Evidence from the Tehran Stock Exchange.
Financial Research Journal, 24(2), 59–80.
doi.org/10.22067/JFR.2022.75412.1154 [In Persian].
Seifi, M. R., Ahmadi, A., & Colleagues. (2023). Comparison of pricing errors between Barles–Soner and Buckstein–Howison models using neural networks: Evidence from the S&P 500 option market.
Journal of Accounting and Finance Knowledge, 10(3), 115–136.
doi.org/10.22108/JAF.2023.13952.1331 [In Persian].
Sharma, S., Thulasiram, R., & Thulasiraman, S. (2013). Normalized particle swarm optimization and its application to option pricing using graphics processing unit (GPU).
Concurrency and Computation: Practice and Experience, 25(10), 1402–1421.
https://doi.org/10.1002/cpe.2939
Wu, J. (2019). Review of option pricing methods and their applications in emerging markets.
International Journal of Finance & Economics, 24(1), 45–60.
https://doi.org/10.1016/j.ijfe.2018.12.001
