Neural-Network Stochastic Differential Equation Models for Pricing and Hedging Financial Derivatives
创建于 更新于
摘要
本报告提出了基于神经网络构建漂移与波动函数的随机微分方程(SDE)模型，创新性地设计了针对欧式期权的无偏随机梯度下降训练算法及基于Kolmogorov PDE的美式和Bermudan期权标定方法。实证中，模型在标普500和标普100指数期权及单股票美式期权上表现出优异的定价和对冲性能，显著优于Black-Scholes、Dupire局部波动率和Heston模型，并能实现对未见成交品种的泛化定价[page::0][page::1][page::3][page::4][page::6][page::13][page::16][page::22][page::25]
