Calibrating the Heston model with deep differential networks
创建于 更新于
摘要
本报告提出了一种基于梯度的深度差分神经网络（DDN）框架，用于校准Heston选项定价模型。该网络不仅学习定价公式，还学习参数的偏导数，避免了传统 Fourier 计算梯度的数值不稳定问题。实证结果表明，DDN在多个股票市场中显著优于非差分神经网络，且相较于无梯度信息的全局优化器，计算速度大幅提升，适合高效风险管理和快速校准[page::0][page::2][page::6][page::14][page::15]
