Enhancing Black-Scholes Delta Hedging via Deep Learning
创建于 更新于
摘要
本报告提出了一种基于神经网络的深度delta对冲框架，通过学习对冲函数与隐含Black-Scholes delta之间的残差函数，显著提升对冲效果。利用标普500指数期权十年数据，结果显示残差学习比直接学习对冲函数的增益率高出100%以上，且增加输入特征对看跌期权提升更明显。此外，残差学习仅用三年数据即可达到十年直接学习的效果，体现出数据需求更低且性能更优的优势 [page::0][page::2][page::12][page::16][page::17]。
