Data-driven Feynman–Kac Discovery with Applications to Prediction and Data Generation
创建于 更新于
摘要
本文提出一种数据驱动的随机SINDy框架，用于在风险中性概率测度下识别BSDE（费曼-柯克公式的逆问题），无需遍历性假设。通过单对股票与期权价格轨迹数据，算法能恢复潜在的后向随机微分方程，实现期权价格预测及合成数据生成。案例涵盖Black-Scholes模型及苹果市场数据，验证了方法的准确性和实用性，为金融和物理领域基于费曼-柯克类型概率法则的发现开辟新路径[page::0][page::1][page::3][page::4]。
