Optimizing Neural Networks for Bermudan Option Pricing: Convergence Acceleration, Future Exposure Evaluation and Interpolation in Counterparty Credit Risk
创建于 更新于
摘要
本文提出基于蒙特卡洛的神经网络框架，改进Bermudan期权定价的收敛速度，实现静态对冲组合的快速构建，且能高效生成未来风险敞口（EE与PFE），同时在非标准风险时点准确估计风险敞口，替代传统回归插值方法。通过与Longstaff-Schwartz方法和COS模型的对比，展示了该模型的准确性、计算效率提升及其在反方信用风险管理中的应用优势 [page::0][page::2][page::12][page::15][page::17][page::19][page::20]
