Deep Gamma Hedging
创建于 更新于
摘要
本报告利用深度学习训练神经网络，学习在同时使用标的资产和对冲期权时的最优复制策略。结果表明，当期权价格符合Black–Scholes模型时，网络能成功学习该模型的gamma对冲策略，尤其在存在模型不确定性时表现优异。研究表明，实际应用中采用gamma对冲更多地是为了应对模型不确定性，而非减少交易成本。报告通过模拟不同交易成本和模型不确定性条件，验证了深度对冲策略的有效性和优越性，为理解gamma对冲的实用价值提供了新视角 [page::0][page::1][page::2][page::16].
