楼主: 能者818
1908 42

[量化金融] 深度学习波动性 [推广有奖]

41
nandehutu2022 在职认证  发表于 2022-6-11 12:26:04
“通过学习网络对衍生证券进行定价和对冲的非参数方法。”《金融杂志》49.3(1994):851-889。【43】J.M.Hutchinson,A.W.Lo,T.Poggio。通过学习网络对衍生证券进行定价和分类的非参数方法。《金融杂志》,49 p.851-889(3),1994年。【44】A.Jacquier、C.Martini和A.Muguruza。关于粗糙Bergomi模型中的VIX期货。《定量金融》,18(1):45-612018年。【45】A.Jacquier、M.Pakkanen和H.Stone。粗糙Bergomimodel的路径大偏差。《应用概率杂志》,55(4):第1078-10922018页。【46】A.Jentzen、B.Kuckuck、A.Neufeld、P.von Wurstemberger。《随机梯度下降优化算法的强误差分析》,预印本arXiv:1801.093242018。【47】S.Io Offe和C.Szegedy。批量标准化:通过减少内部协变量偏移来加速深度网络训练。预印本,arXiv:1502.031672015。[48]D.P.Kingman和J.Ba,Adam:随机优化的一种方法。2015年第三届学习代表国际会议论文。【49】A.Kondratyev。使用人工神经网络学习曲线动力学。预印本,SSRN:3041232,2018年。【50】D.卡夫。序列二次规划软件包。DFVLR-FB第88-281988页。【51】G.Kutyniok,H.B¨olcskei,P.Grohs和P.Petersen,《稀疏连接深度神经网络的最佳逼近》,预印本arXiv:1705.017142017。【52】A.Leitao Rodriguez、L.A.Grzelak和C.W.Oosterlee。SABR模型的有效多时间步长蒙特卡罗模拟。《定量金融》,17(10),第1549-156512017页。[53]K.Levenberg。用最小二乘法求解某些非线性问题的一种方法。应用数学季刊。2: 第164-168页,1944年。【54】D.马夸德。非线性参数的最小二乘估计算法。应用数学杂志。

42
能者818 在职认证  发表于 2022-6-11 12:26:07
11(2):第431-4411963页【55】W.A.McGhee。SABR随机波动模型的人工神经网络表示。预印本,SSRN:32888822018。【56】H.N.姆哈斯卡。多层前馈人工神经网络的逼近特性。计算数学进展,1(1):61-801993。【57】J.A.Nelder和R.Mead。函数极小化的单纯形法。计算机日志。7: 第308-313页,1965年。【58】J.Nocedal和S.Wright。数值优化。运营研究和金融工程斯普林格系列。Springer Verlag纽约,2006年。【59】D.Pedamonti。NIST分类任务中深层神经网络非线性激活函数的比较。预印本,arXiv:1804.02763【60】M.J.D.Powell。一种直接搜索优化方法,通过线性插值对目标函数和约束函数进行建模。优化和数值分析进展,S.Gomez和J-P.Hennart编辑,Kluwer Academic(Dordrecht),第51-671994页。[61]L.M.Rios和N.V.Sahinidis。无导数优化:算法回顾和软件实现比较。全球优化杂志。第56卷:第3页,124712932013年。【62】M.Sabate Vidales、D.Siska和L.Szpruch。鞅函数控制变量通过DeepLearning预印本1810.050942018。【63】N.Ruiz、S.Schulter和M.Chandraker,《学习模拟》,预印本arXiv:1810.02513018。【64】L.Setayeshgar和H.Wang。前馈网络的大偏差,《应用可能性的进展》,43:2,第5455712011页。【65】U.Shaham、A.Cloninger和R.R.Coifman。deepneural网络的可证明逼近性质。应用程序。计算机。哈蒙。分析。,44(3): 537-557, 2018.【66】J.Sirignano和K.Spiliopoulos。连续时间的随机梯度下降:一个中心极限定理。暹罗J.Finan。数学8(1),第933-9612017页。【67】H.斯通。

43
nandehutu2022 在职认证  发表于 2022-6-11 12:26:10
校准粗糙波动率模型:卷积神经网络方法。预印本,arXiv:1812.053152018。【68】R.斯托恩和K.普莱斯。一种简单有效的启发式算法,用于连续空间上的全局优化。全球优化杂志。第11:4卷,第341-3591997页。【69】V.N.Vapnik。统计学习理论。Wiley Interscience,1998年。[70]C.Zhu、R.H.Byrd和J.Nocedal。L-BFGS-B:算法778:L-BFGS-B,用于大规模边界约束优化的FORTRAN例程。ACM数学软件交易,23:4,第550-560页,1997年。

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
jg-xs1
拉您进交流群
GMT+8, 2026-1-9 06:07