A deep primal-dual BSDE method for optimal stopping problems
创建于 更新于
摘要
本报告提出了一种基于停止时间迭代的深度原始-对偶BSDE框架，通过神经网络子网参数化续期价值及其空间梯度，设计低方差随机梯度的损失函数，实现最优停止问题的高效求解。该方法无需嵌套蒙特卡洛即可精准计算对偶上界，并通过多维美式期权定价实验验证了其在高维情形下的可扩展性和精确性 [page::0][page::1][page::3][page::4][page::5][page::6][page::7][page::10][page::15]
