Multi-Task Dynamic Pricing in Credit Market with Contextual Information
创建于 更新于
摘要
本文针对信用市场中大量不同债券的动态定价问题，提出一种基于多任务学习的两阶段动态定价算法（TSMT），利用债券之间潜在的结构相似性，实现有效的参数估计和报价策略。该算法无需事先知道债券相似度，且实现了相较单独学习和全部合并学习更优的理论累积后悔界。通过合成和美国企业债真实数据实测，验证了该方法在数据稀缺及反馈被截断场景下的有效性与适应性，体现了多任务学习在固定收益资产定价中的潜力 [page::0][page::1][page::3][page::10][page::12][page::18][page::20][page::22]
