Unsupervised Learning-based Calibration Scheme for Rough Volatility Models
创建于 更新于
摘要
本文提出一种基于无监督深度学习的rough volatility模型标定方案：以BSDE表示的期权定价方程为基础，视模型参数为可训练变量，联合训练神经网络以最小化终端定价误差，从而避免大量合成训练样本的生成瓶颈；理论上证明了模型价格误差可由训练损失上界控制，并通过rBergomi的合成与历史SPX数据实证展示了方法的效率与准确性 [page::0][page::3][page::13].
