An Efficient Machine Learning Framework for Option Pricing via Fourier Transform
创建于 更新于
摘要
本文提出将改进的傅里叶变换算法（SOA）与监督式机器学习模型（NN、RF、GBDT）结合的混合框架，用于对指数 Lévy 下的多份路径无关期权构建高精度、超高速的定价替代器；实证表明 SOA 在等误差容忍度下通常只需 CMA 的 60%–70% 运行时间，训练好的机器学习替代器可将定价耗时进一步缩减至原方法的个位数百分比，同时克服了 FFT 在深度虚值情况下的数值不稳定问题 [page::3][page::23][page::24].
