Hedging with memory: shallow and deep learning with signatures
创建于 更新于
摘要
本文研究了路径签名在机器学习框架中的应用，以对非马尔可夫随机波动率模型下的奇异期权进行套期保值。通过深度学习结合签名特征的前馈神经网络（Signature NN）优于传统LSTM模型且训练效率大幅提升；浅层学习中通过线性组合签名构建套期保值策略和波动率模型，基于签名波动率模型的校准可有效提高对敞口不同产品的套期保值准确性和稳定性[page::0][page::1][page::4][page::6][page::8][page::11][page::17][page::20]。
