A TIME-STEPPING DEEP GRADIENT FLOW METHOD FOR OPTION PRICING IN (ROUGH) DIFFUSION MODELS
创建于 更新于
摘要
本文提出了一种基于深度学习的时间步进梯度流（TDGF）方法，将期权定价偏微分方程转化为能量最小化问题，通过逐步时间离散并利用深度神经网络近似求解。该方法在处理高维Markovian近似粗波动率模型时表现出高效性和良好精度，特别应用于提升的Heston模型，整体误差约为$10^{-3}$，且训练时间较现有方法显著缩短 [page::0][page::1][page::6][page::9][page::13]。
