深度局部波动率
摘要：深度学习在期权定价中的应用是一种新的方法，可以快速进行计算，用于标定和希腊字母计算。然而，许多这些方法不会强制执行任何无套利条件，并且随后的局部波动率曲面从未被考虑。在本文中，我们开发了一种深度学习方法，用于插值欧洲标准期权价格，同时生成完整的局部波动率曲面。我们展示了通过修改损失函数或前馈神经网络结构来强制执行（硬约束方法）或偏向（软约束方法）无套利条件，并且指定了所需的实验设计参数以获得适当的性能。一个新的组成部分是在网络拟合过程中使用Dupire公式来强制施加与期权价格相关的局部波动率的边界约束。我们的方法在DAX标准期权的真实数据集上进行了数值基准测试。
作者：Marc Chataigner, St''ephane Cr''epey and Matthew Dixon
论文ID：2007.10462
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2020-07-22