TIME DEEP GRADIENT FLOW METHOD FOR PRICING AMERICAN OPTIONS
创建于 更新于
摘要
本研究基于神经网络技术，提出并扩展了Time Deep Gradient Flow (TDGF) 方法以高效求解多维美式期权定价问题，涵盖Black–Scholes与Heston模型，最高支持五维资产标的。通过构建自由边界偏微分方程的能量最小化问题，设计专门采样策略和网络架构，实验证明TDGF相较于Deep Galerkin Method (DGM)在训练速度上更优，且均显著优于传统蒙特卡洛方法，精度与计算效率兼顾 [page::0][page::4][page::6][page::7][page::8]。
