Enhancing path-integral approximation for non-linear diffusion with neural network
创建于 更新于
摘要
本文通过引入神经网络对Black-Karasinski模型中的关键参数进行多项式展开校正，提升了现有路径积分（GTFK）近似方法在长时间跨度和不同校准参数组合下的定价精度。研究发现该方法可有效改善高波动率和高均值回复速率条件下的误差，拓展了模型适用范围并为未来多因子扩展提供基础。[page::0][page::2][page::4][page::5][page::6]
