Les travaux précédents sur la valorisation des options entraient en gros dans deux catégories : ou bien ils étaient basés sur de fortes hypothèses distributionnelles ou économiques, ou bien ils essayaient d'imiter la formule de Black-Scholes par des modèles statistiques entraînés à approximer les prix de marché quotidiens à l'aide d'information disponible le jour même. Le travail présenté ici se rapproche plus de la deuxième catégorie mais son objectif est différent : prédire les prix futurs d'une option, et établir sa valeur courante à l'aide d'un scénario de transactions. Ce travail innove donc de deux façons : premièrement, il propose une méthode empirique et sans hypothèse pour comparer différents systèmes de valorisation d'options (en transigeant contre lui-même ou contre le marché) et deuxièmement, il utilise ce critère pour entraîner un modèle statistique non-paramétrique (utilisant dans ce cas-ci des réseaux de neurones) pour estimer un prix pour l'option qui maximise l'utilité espérée lorsque l'on transige contre le marché. À noter que les prix dépendront de la fonction d'utilité ainsi que du portefeuille (i.e. des risques courants) de la personne qui transige. Des résultats préliminaires sur des options d'achat du S&P 500 sont présentés.