در بازار اوراق مشتقه، اختیار معامله جایگاه خاصی را به خود اختصاص داده است. محققان، سفتهبازان و سایر معاملهگران همگی امیدوارند که برای هر اختیار قیمت مناسبی به دست آورند. تنها اختیارهای محدودی وجود دارند که راهحل دقیقی برای به دست آوردن قیمت آنها وجود دارد و برای اکثر اختیارها از جمله اختیارهای نامتعارف نیاز است تا قیمت به صورت عددی به دست آورده شود. روش کلاسیک قیمتگذاری اختیارها در پردازش مجموعه دادههای بزرگ و دادههای با ابعاد بالا ضعیف و کند عمل میکند. با توسعه دانش هوش مصنوعی در سالهای اخیر، مانند روشهاییادگیری عمیق، بهینهسازی مقادیر هدف آسانتر شده است؛ بنابراین، برخی از محققان، سرمایهگذاران و معاملهگران شروع به اهمیت دادن به کاربرد هوش مصنوعی در انواع مختلف قیمتگذاری اختیارها کردهاند. در این پایاننامه پس از معرفی اختیارها و یادگیری عمیق نحوه قیمتگذاری سه نوع از اختیارهای نامتعارف با استفاده از یادگیری عمیق بررسی میگردد . در این پایاننامه دو رویکرد برای قیمتگذاری اختیارهای نامتعارف مقایسه میشوند. یکی از رویکردها شامل انتخاب یک مدل و سپس تعیین پارامترهای آن جهت برازش تا حد امکان نزدیک به رویه نوسان است. در این رویکرد برخی اطلاعات در رویه نوسان در طول فرایند کالیبراسیون از دست میروند و به طور کلی قیمتهای اختیارهای نامتعارف با اختیارهای ساده متعارف سازگار نخواهند بود. در رویکرد دیگر ساختار مدل ترجیحی کاربر حفظ میشود اما نقاط روی نوسان ، ویژگیهای ورودی به شبکه عصبی هستند. بررسیها نشان میدهد در عمل میتوان انتظار داشت که رویکرد دوم برای رویههای نوسانی بهتر از رویکرد اول عمل کند.