Pricing American options under rough volatility using deep-signatures and signature-kernels
创建于 更新于
摘要
本文将深度神经网络与签名核方法结合，扩展了基于路径签名的美式期权（最优停止问题）定价框架，专门针对非马可夫粗波动率模型下的定价难题。通过在粗Bergomi与粗Heston模型上的数值实证，展示三种签名方法（线性签名、深度签名与签名核）在获得期权价格上下界方面的有效性和性能差异，表明深度签名法在减少上下界间隙上具有显著优势，兼具较低计算时间，且签名核方法在样本量受限时表现稳定，丰富了粗波动率环境下定价方法的理论与数值工具箱 [page::0][page::2][page::14][page::15].
