Diffusion models for dynamic volatility surface generation and data-driven hedging
创建于 更新于
摘要
本文提出自适应序列扩散模型 AD-Seq-Vol 及其无套利微调版本 AD-Seq-Vol-FT，用于基于历史信息联合生成标的收益率与高维隐含波动率曲面。模型能够捕捉波动率曲面的横截面与时间依赖结构，并通过日度递归生成多期市场情景。基于2000年至2023年的SPX期权数据，AD-Seq-Vol较训练数据和VolGAN显著减少静态套利违约，AD-Seq-Vol-FT进一步将违约频率降至接近零；在数据驱动对冲中，扩散模型维持接近零的跟踪误差并显著降低尾部风险，尤其在COVID-19市场冲击期间表现稳定。[page::0][page::1][page::8][page::9][page::13]
