On Deep Learning for computing the Dynamic Initial Margin and Margin Value Adjustment
创建于 更新于
摘要
本报告针对反方信用风险中动态初始保证金（DIM）的计算挑战，提出利用多输出神经网络从初始市场状态参数直接预测DIM轨迹的新方法。该方法以极少成本生成训练数据，突破传统嵌套蒙特卡洛昂贵计算瓶颈，在Vasicek及Hull-White利率模型下对单一掉期及组合资产组合进行测试，结果显示优秀收敛性和稳健性，有效提升DIM及MVA计算效率并具有较强的实用价值 [page::0][page::1][page::8][page::13][page::16].
