On the Continuity of Conditional Distributions and Stratification for Derivative Pricing
创建于 更新于
摘要
本文研究连续时间衍生品定价中的神经网络分层因子构建问题，证明在高斯因子及协方差秩最终保持条件下，条件期望与条件分布具有连续性，并结合神经网络的稠密性建立可行分层因子的通用逼近定理。数值实验表明，所学习的因子在G2++模型CMS区间累计产品和Wishart模型最差表现自动赎回产品中均较基准因子取得更高解释方差和更强的蒙特卡洛方差降低效果。[page::0][page::3][page::17][page::21][page::23]
