牛顿-拉夫逊仿真网络用于高效计算众多隐含波动率
摘要：估计金融中的隐含波动率常使用迭代方法，如牛顿-拉弗森（NR）方法。然而，如果需要频繁计算大量的隐含波动率，迭代方法很容易达到处理速度的极限。因此，我们使用PyTorch将NR方法模拟成一个网络，并使用TensorRT进一步优化网络。通过将优化的仿真方法与SciPy中的NR函数进行比较，我们证明仿真网络比基准函数快高达1,000倍。
作者：Geon Lee, Tae-Kyoung Kim, Hyun-Gyoon Kim, Jeonggyu Huh
论文ID：2210.15969
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2022-10-31