Kullback-Leibler Barycentre of Stochastic Processes
创建于 更新于
摘要
本文提出一种结合专家模型的方法，通过最小化加权Kullback–Leibler散度构造连续时随机过程的barycentre模型，并允许在约束条件下进行模型扭曲，明确给出最优漂移的Radon–Nikodym导数表达式。针对高维问题，提出两种基于深度学习的算法高效逼近优化解，最后在隐含波动率微笑模型的组合中验证了方法的有效性，展现了其在金融风险管理与资产定价中的广泛应用潜力 [page::0][page::1][page::4][page::5][page::7][page::18][page::22][page::26][page::31]
