Neural Jumps for Option Pricing
创建于 更新于
摘要
本报告提出了一种神经跳跃随机微分方程模型（NJSDE），利用Gumbel-Softmax方法使跳跃过程可微分，从而可通过反向传播算法对跳跃参数进行训练。模型结合了神经网络的非参数拟合能力和跳跃扩散模型的经济结构，有效提升了期权定价的准确性。实证结果显示，NJSDE模型在模拟和真实标普500指数期权数据中均优于传统模型，在存在跳跃风险时表现最优；无跳跃时表现仍稳定，体现其鲁棒性和适应性[page::0][page::3][page::4][page::12][page::16][page::21][page::25]
