Can Machine Learning Algorithms Outperform Traditional Models for Option Pricing?
创建于 更新于
摘要
本研究系统比较了神经网络、随机森林和CatBoost与传统期权定价模型（Black-Scholes和Heston模型）在合成及真实市场数据上的表现。结果显示，机器学习模型尤其是神经网络和CatBoost，能够有效捕捉复杂、非线性关系，在多种定价误差指标上显著优于传统定价方法，表现出更强的适应性和实用性。此外，机器学习模型在实际市场数据中兼具高精度和低延迟预测优势，显示出应用潜力[page::0][page::3][page::4][page::5][page::6][page::7]。
