广泛的网络将消除对定价公式的需求
摘要：用基于图形处理单元（GPU）的模拟生成大量隐含波动率，并使广泛的神经网络学习这些波动率。该模型没有用于香草期权的确切定价公式，而神经网络具有逼近各种函数的卓越能力。令人惊讶的是，网络可以自己减少模拟噪声，从而达到与蒙特卡洛模拟一样的准确度。通过现有的近似公式无法实现极高的准确度。此外，网络与基于公式的方法一样高效。评估基于高准确性和高效性，广泛的网络可以消除对SABR模型的定价公式的需求。另一个重要的贡献是提出了一种基于非线性回归的检验错误的新方法。这种方法可以很容易地扩展到其他难以获得解析公式的定价模型。
作者：Jaegi Jeon, Kyunghyun Park, Jeonggyu Huh
论文ID：2101.09064
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2021-01-25