DEEP LEARNING INTERPRETABILITY FOR ROUGH VOLATILITY
创建于 更新于
摘要
本报告针对基于深度学习的粗糙波动率模型参数-隐含波动率映射，开展详尽的可解释性分析。通过设计并训练前馈神经网络对粗糙Heston模型进行快速校准，结合LIME、DeepLIFT、LRP与SHAP多种局部与全局方法，揭示模型在不同行权价与期限波动率上的敏感特征，发现短期深实值期权隐含波动率对参数预测贡献最大，尤其明显于左翼波动率结构，体现粗糙波动率模型的特性。该研究为深度学习在衍生品定价及风险监控中的应用提供理解及安全保障框架 [page::0][page::1][page::11][page::19]
