Risk-Neutral Generative Networks
创建于 更新于
摘要
本文提出了一种风险中性生成网络（RNGN）方法，通过神经网络函数式建模时间到期收益率的随机曲线，实现无套利条件下高效准确地从期权市场价格中提取风险中性密度。包含三种具体模型（RN-Q、RN-MLP、RN-DMLP），凭借灵活建模波动率、偏度和峰度的期限结构，显著优于多种经典模型。实证使用标普500期权数据验证了模型的定价精度、稳定性及市场合理性，特别是RN-DMLP表现最佳，捕捉了复杂分布形态并保持预测稳定性，且风险中性波动率与VIX高度相关，显示模型良好金融解释力[page::0][page::4][page::18][page::26][page::30].
