Filling in Missing FX Implied Volatilities with Uncertainties: Improving VAE-Based Volatility Imputation
创建于 更新于
摘要
本报告聚焦于外汇期权隐含波动率缺失数据的填补问题，提出通过改进变分自编码器（VAE）架构与训练方法提升波动率曲面插补性能。引入基于残差网络的VAE结构和基于噪声异方差的改进，显著降低估计误差且无需调节β-VAE超参数，同时实现对插补波动率的不确定性有效建模。实验结果表明，改进后的VAE模型在高缺失率环境中优于经典隐含波动率模型，且针对不确定性的估计提高了模型的实际应用价值 [page::0][page::5][page::7][page::13][page::15][page::18][page::19]。
