物理信息卷积变换器用于预测波动率曲面
摘要：预测波动性对于资产预测、期权定价和对冲策略非常重要，因为它在金融市场上无法直接观察到。Black-Scholes期权定价模型是市场参与者广泛使用的模型之一。然而，Black-Scholes模型基于受到严厉批评的理论假设之一即恒定波动假设。波动性曲面的动态估计是困难的。在本文中，我们建立了一种基于物理信息神经网络和卷积变压器的新体系结构。新体系结构的性能直接与其他众所周知的深度学习体系结构进行比较，如标准物理信息神经网络、卷积长短期记忆（ConvLSTM）和自注意ConvLSTM。数值证据表明，所提出的物理信息卷积变压器网络具有优于其他方法的性能。
作者：Soohan Kim, Seok-Bae Yun, Hyeong-Ohk Bae, Muhyun Lee, Youngjoon Hong
论文ID：2209.10771
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2023-01-03