Learning parameter dependence for Fourier-based option pricing with tensor trains
创建于 更新于
摘要
本报告提出了一种基于张量列车（Tensor Train, TT）学习的傅里叶变换（FT）期权定价新方法，能够在包含参数依赖情况下高效逼近多资产期权定价函数，实现快速响应参数变化的定价。通过对波动率与初始资产价格变化的数值实验，证实该方法在多达11个资产的场景下，计算复杂度远优于百万路径蒙特卡洛方法，同时保持了较高的定价准确度，为多资产期权快速定价提供了切实可行的技术路径 [page::0][page::1][page::5][page::6][page::8].
