Umeå universitets logga

This thesis investigates the application of deep reinforcement learning (DRL) for option hedging in markets with transaction costs and discrete trading, and compares its performance with the traditional Black–Scholes–Merton (BSM) delta hedging approach. Although the BSM model provides a theoretically perfect hedge under idealized frictionless conditions, its performance degrades in real-world settings where constant re-balancing incurs costs. To address these limitations, four DRL agents-Deep Q-Network (DQN), Deep Deterministic Policy Gradient (DDPG), Twin Delayed Deep Deterministic Policy Gradient (TD3), and a proposed hierarchical Hybrid DQN-TD3-model were developed and evaluated. The agents were trained and tested across three market scenarios: a frictionless baseline, a realistic market (1% transaction costs), and a stressed market (5% transaction costs). The results demonstrate that all DRL agents converged to the theoretical BSM delta hedging strategy in the absence of frictions. In environments with transaction costs, the DRL agents outperformed the BSM benchmark in terms of mean average costs. These findings suggest that DRL agents can learn adaptive hedging strategies in non perfect markets.

Denna avhandling undersöker tillämpningen av djup förstärkningsinlärning för optionshedging på marknader med transaktionskostnader och diskret handel, och jämför dess prestanda med den traditionella Black–Scholes–Merton (BSM) deltahedgingstrategin. Även om BSM-modellen ger en teoretiskt perfekt hedge under idealiserade friktionsfria förhållanden, försämras dess prestanda i verkliga marknader där konstant ombalansering medför höga kostnader. För att hantera dessa begränsningar utvecklades och utvärderades fyra djupa förstärkningsinlärningsagenter: Deep Q-Network (DQN), Deep Deterministic Policy Gradient (DDPG), Twin Delayed Deep Deterministic Policy Gradient (TD3) samt en föreslagen hierarkisk Hybrid DQN-TD3-modell. Agenterna tränades och testades i tre olika marknadsscenarier: en friktionsfri baslinjemiljö, en realistisk marknad med 1% transaktionskostnader samt en stressad marknad med 5% transaktionskostnader. Resultaten visar att samtliga agenter konvergerade mot den teoretiska Black-Scholes deltahedgingstrategin i frånvaro av marknadsfriktioner. I miljöer med transaktionskostnader överträffade agenterna Black-Scholes modellen i termer av genomsnittlig hedgingkostnad. Dessa resultat tyder på att agenter kan lära sig adaptiva hedgingstrategier i icke-perfekta marknader.