پیشرفتهای اخیر در زمینه هوش مصنوعی، یادگیری ماشین و همچنین در صنعت کامپیوتر منجر به استفاده از این تکنیکها برای حل مسائل پیچیده در اکثر علوم و صنعت شده است. البته همین امر در مورد صنعت مالی و ریاضیات مالی نیز صادق است. اخیراً توجه جامعه مالی در زمینه یادگیری عمیق و شبکههای عصبی مصنوعی جلب شده است. در این مقاله یک مسئله ک سیک ریاضی مالی - قیمتگذاری اختیار- تحت مدلهای نوسان تصادفی هستون به دادههای بازار را در نظر میگیریم. برخی از مسائل در رویکردهای موجود را برجسته و راهکارهایی را پیشنهاد میکنیم که هم عملکرد و هم دقت قیمتگذاری اختیار را بهبود میبخشند. ضمن معرفی اختیارها، مدلهای نوسانات تصادفی هستون، روش گرادیان کاهشی در یادگیری ماشین، روشی کاربردی و مؤثر مبتنی بر یادگیری ماشین برای قیمتگذاری اختیارهای اروپایی را بررسی می کنیم.
