Operator Deep Smoothing for Implied Volatility
创建于 更新于
摘要
本报告提出一种基于神经算子的全新隐含波动率平滑方法，实现了隐含波动率面连续、无套利的高精度拟合。该方法利用图神经算子架构，训练单一模型即可处理10年标普500期权的6000多万个波动率数据点，显著优于传统SVI参数化和经典神经网络技术，实现了离线训练与实时推断的高效结合，具备良好泛化能力和输入稀疏鲁棒性，为金融工程领域的大规模历史数据应用开辟新途径[page::0][page::1][page::4][page::8][page::10]。
