The AI Black-Scholes: Finance-Informed Neural Network
创建于 更新于
摘要
本论文提出 Finance-Informed Neural Network (FINN)，将动态对冲/无套利原理嵌入神经网络训练目标，从而在保留金融理论约束的同时学习期权定价函数并计算 Greeks（包括 Delta 与 Gamma）[page::0][page::9]. 实验在 GBM 与 Heston 两类标的下验证了模型的泛化与稳健性，FINN 在价格与对冲比率估计上与解析/数值解高度一致，并在多次独立运行中保持小幅误差与可复现性[page::19][page::21]. 引入 Delta-Gamma 对冲后，价格估计 MAD 显著下降（示例：从 0.164 降至 0.024），表明将二阶风险纳入损失函数能显著提升定价与敏感度估计精度[page::23].
