Artificial neural networks for interest and exchange rates models calibration. An approach based on FX implied volatilities and swaptions prices

The essential goal of this thesis is to present some interest and foreign exchange rates models and to evaluate the calibration of their parameters relying on the use of neural networks and of a dataset made of European ATM swaptions prices and implied volatilities of options on FX rates. The innovation is in the simultaneous calibration of rates and FX models, using two-factor Gaussian models for rates dynamics, introducing cross-correlations between rates and also with FX, and using different techniques to transform the outputs of the neural network to guarantee the validity of correlation matrices. Such calibration can then be applied for pricing/hedging purposes in the xVA trading desk in the simulation of rates and FX dynamics.

Lo scopo essenziale di questa tesi è presentare dei modelli di tasso di interesse e tasso di cambio e valutare la calibrazione dei parametri di tali modelli ricorrendo all’uso di reti neurali e basandosi su un dataset composto di prezzi di swaptions europee At The Money e volatilità implicite di opzioni su tassi di cambio. L’aspetto innovativo è costituito dalla calibrazione simultanea di modelli di rates e FX, utilizzando modelli gaussiani a due fattori per le dinamiche rates, introducendo correlazioni incrociate tra rates e con FX, e utilizzando varie tecniche di trasformazione dei dati in output della rete neurale per garantire la validità delle matrici di correlazione. Tale calibrazione troverà applicazione successivamente nel pricing / hedging del desk xVA nella simulazione delle dinamiche rates e FX.