交易成本下的Delta对冲：使用神经网络的动态多尺度策略
摘要：离散时间和交易成本都是实际场景中构建风险中性投资组合的必要条件。风险厌恶和利润最大化是两个主观约束，二者共同定义了一个依赖于模型的非线性优化问题的解。在这种情况下，可以通过最大化一个类似于路径依赖的夏普比率报酬函数，通过后验方式确定最优固定频率对冲策略。通过从Heston过程中采样，使用卷积神经网络来推断哪个频率是最优的，从而导致了一种动态对冲策略，其中投资组合以多种频率进行对冲，每个频率的权重由该频率最优概率估计确定。
作者：G. Mazzei, F.G. Bellora, J.A. Serur
论文ID：2109.12337
分类：Risk Management
分类简称：q-fin.RM
提交时间：2021-12-21