RIDGE: An Autonomous Framework for Validation and Method Discovery in LLM-Generated Option Pricing
创建于 更新于
摘要
本研究提出 RIDGE，一个面向由大语言模型生成的期权定价实现的自治验证框架。通过结构化的无套利测试、压力测试、基准对比与一致性检查，结合基于知识库的诊断与迭代实现改进，形成提高数值稳定性和可靠性的闭环过程。实验在五类随机波动模型（Heston、Bates、rough Heston、Heston–Hull–White、G-SVJD）上展开，结果显示所有实现缺陷均被识别并修正，在 HHW 与 G-SVJD 的案例中，验证过程甚至促使转向基于条件高斯表示与 Feynman–Kac 的半解析定价方法，从而避免 Monte Carlo 的抽样误差与近零方差区域的数值难题。研究还提出可演进的验证知识库，用于跨模型迁移经验并提升后续验证的效率与鲁棒性。 supplementary material 已放在 GitHub：https://github.com/ShQiangLiu/ridge [page::1][page::2][page::4]
