使用多个期权高效学习嵌套深度对冲
摘要：深度对冲是在市场摩擦存在的情况下对冲衍生品的框架。在本研究中，我们专注于使用多个期权对冲给定目标期权的问题。为了将深度对冲框架扩展到这种情况下，用作对冲工具的期权也必须在训练过程中定价。虽然可以使用经典的定价模型，比如Black-Scholes公式，但是忽略摩擦会提供不希望出现的套利机会，这对于深度对冲学习来说是不可取的。本研究的目标是开发一种嵌套深度对冲方法。也就是说，我们开发了一种完全深度化的深度对冲方法，其中用于对冲的工具也是由了解摩擦的深度神经网络定价的。然而，由于对冲工具的定价必须在许多不同条件下计算，整个学习过程可能在计算上难以处理。为了解决这个问题，我们提出了一种高效的嵌套深度对冲学习方法。我们的方法包括三个技术来解决计算上的困难，每个技术在训练过程中减少了冗余计算。通过实验证明，Black-Scholes对冲工具定价可能存在显著的套利机会，而使用深度对冲定价时则没有观察到这种情况。我们还证明，与不使用期权作为对冲工具的基准方法相比，我们提出的方法成功地降低了对冲风险。
作者：Masanori Hirano, Kentaro Imajo, Kentaro Minami, Takuya Shimada
论文ID：2305.12264
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2023-05-23