大型可变年金投资组合高效估值的神经网络方法
摘要：管理和对应变额年金（VA）产品的风险需求对这些产品的关键风险指标进行即时估值。VA产品的复杂结构和准确评估的计算复杂性迫使保险公司采用蒙特卡洛（MC）模拟来估值他们的VA产品大型投资组合。由于MC模拟需要大量计算，特别是在即时估值方面，保险公司需要更高效的估值技术。最近，提出了一种基于传统空间插值技术的框架，可以显著降低MC模拟的计算复杂性（Gan and Lin, 2015）。然而，传统插值技术需要定义一个距离函数，这会对它们的准确性产生重大影响。此外，传统空间插值技术都无法提供准确性、效率性和粒度性的关键特性（Hejazi et al., 2015）。在本文中，我们提出了一种神经网络方法，用于空间插值框架，该方法可以找到一种有效的距离函数。所提出的方法准确、高效，并提供了输入投资组合的准确粒度视图。我们的数值实验证明了所提出的神经网络方法相对于传统的空间插值方案的性能优势。
作者：Seyed Amir Hejazi, Kenneth R. Jackson
论文ID：1606.07831
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2016-06-28