Fast catastrophe bond valuation with neural-network surrogates
创建于 更新于
摘要
本研究提出以神经网络代理对复合泊松灾难事件触发下的 CAT 债定价进行近似估值。通过在稀有事件场景下的重要性采样产生训练标签，网络学习可解释的定价表面并在同一模型下实现对灾难强度、触发阈值及利率等敏感性的即时评估。与直接蒙特卡洛/PIDE 相比，1000 份合约的估值仅需约0.03–0.04秒，且对 Gamma 与 Lognormal 两种严重度分布具有鲁棒性。该方法适用于筛选、情景分析和风险管理，但需在给定定价度量与触发结构下使用，遇到域外情形时需重新训练或直接回退到 MC-IS。 [page::1]
