Neural Networks for Portfolio-Level Risk Management: Portfolio Compression, Static Hedging, Counterparty Credit Risk Exposures and Impact on Capital Requirement
创建于 更新于
摘要
本文提出了一种基于神经网络的投资组合压缩框架，将大量欧洲期权组合压缩为较小的静态对冲组合，实现对目标组合的风险管理。通过数据驱动优化，网络学习压缩组合的权重和行权价，使得压缩组合的价值和风险指标（如暴露分布及Greeks）与目标组合高度一致，进一步有效降低资本要求。数值结果表明该方法在风险中性和实际市场场景下均表现优异，且显著降低了监管资本需求，尤其是在较短期压缩组合构造下的资本减免效果明显[page::0][page::2][page::8][page::12][page::17][page::18]
