UNSUPERVISED LEARNING-BASED CALIBRATION SCHEME FOR ROUGH BERGOMI MODEL
创建于 更新于
摘要
本文提出了一种基于无监督学习的rBergomi模型校准新方法，利用BSDE来替代传统需大量训练数据的监督学习，结合神经网络同时拟合模型参数和BSDE解。理论上证明了拟合误差界限，数值实验验证了方法在合成及历史数据上的高效和准确性，显著提升校准速度并具备更强适应性 [page::0][page::2][page::3][page::15][page::18].
