En finanzas, la volatilidad implícita es un indicador importante que refleja la situación del mercado de inmediato. Muchos profesionales estiman la volatilidad utilizando métodos de iteración, como el método de Newton-Raphson (NR). Sin embargo, si se deben calcular numerosas volatilidades implícitas con frecuencia, los métodos de iteración alcanzan fácilmente el límite de velocidad de procesamiento. Por lo tanto, emulamos el método NR como una red utilizando PyTorch, un conocido paquete de aprendizaje profundo, y optimizamos la red aún más utilizando TensorRT, un paquete para optimizar modelos de aprendizaje profundo. Al comparar el método de emulación optimizado con los puntos de referencia, implementados en dos paquetes populares de Python, demostramos que la red de emulación es hasta 1000 veces más rápida que las funciones de referencia.