英文标题：
《Calibrating rough volatility models: a convolutional neural network
approach》
---
作者：
Henry Stone
---
最新提交年份：
2019
---
英文摘要：
In this paper we use convolutional neural networks to find the H\\\"older exponent of simulated sample paths of the rBergomi model, a recently proposed stock price model used in mathematical finance. We contextualise this as a calibration problem, thereby providing a very practical and useful application.
---
中文摘要：
在本文中，我们使用卷积神经网络来寻找rBergomi模型的模拟样本路径的H？older指数，rBergomi模型是最近提出的一种用于数学金融的股票价格模型。我们将其视为一个校准问题，从而提供了一个非常实际和有用的应用。
---
分类信息：

一级分类：Quantitative Finance 数量金融学
二级分类：Computational Finance 计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--

---
PDF下载：
-->