Leveraging Machine Learning for High-Dimensional Option Pricing within the Uncertain Volatility Model
创建于 更新于
摘要
本文探讨了机器学习技术（高斯过程回归和神经网络）在不确定波动率模型（UVM）下高维期权定价的应用。UVM通过设定波动率及相关系数的上下界，刻画波动率不确定性，形成稳健的期权估价框架。文中提出的GTU方法结合高斯过程回归与多维树结构，通过时间向后递归动态优化波动率和相关参数；NNU方法则利用神经网络直接学习最不利的波动率和相关系数控制策略，并通过蒙特卡洛仿真完成估价。数值实验证明，两者均在高维路径相关期权估价中表现出色，提升了精度与计算效率，为风险管理和超额对冲策略提供有力工具 [page::0][page::4][page::5][page::8][page::14][page::28][page::34]。
