期权定价模型的深度学习校准：一些陷阱和

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Deep learning calibration of option pricing models: some pitfalls and
  solutions》
---
作者：
A Itkin
---
最新提交年份：
2019
---
英文摘要：
  Recent progress in the field of artificial intelligence, machine learning and also in computer industry resulted in the ongoing boom of using these techniques as applied to solving complex tasks in both science and industry. Same is, of course, true for the financial industry and mathematical finance. In this paper we consider a classical problem of mathematical finance - calibration of option pricing models to market data, as it was recently drawn some attention of the financial society in the context of deep learning and artificial neural networks. We highlight some pitfalls in the existing approaches and propose resolutions that improve both performance and accuracy of calibration. We also address a problem of no-arbitrage pricing when using a trained neural net, that is currently ignored in the literature.
---
中文摘要：
人工智能、机器学习和计算机工业领域的最新进展导致了将这些技术应用于解决科学和工业中的复杂任务的持续繁荣。当然，金融业和数学金融也是如此。在本文中，我们考虑了数学金融的一个经典问题——期权定价模型与市场数据的校准，因为它最近在深度学习和人工神经网络的背景下引起了金融社会的一些关注。我们强调了现有方法中的一些缺陷，并提出了提高校准性能和准确性的解决方案。我们还解决了一个使用训练过的神经网络进行无套利定价的问题，这一问题目前在文献中被忽视。
---
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
--
一级分类：Quantitative Finance        数量金融学
二级分类：Pricing of Securities        证券定价
分类描述：Valuation and hedging of financial securities, their derivatives, and structured products
金融证券及其衍生产品和结构化产品的估值和套期保值
--

---
PDF下载：
--> Deep_learning_calibration_of_option_pricing_models:_some_pitfalls_and_solutions.pdf (891.48 KB)

2022-6-24 03:30:56 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：期权定价模型 深度学习 期权定价 定价模型 Mathematical

期权定价模型的深度学习校准：一些陷阱和解决方案Andrey ItkinTandon工程学院，纽约大学，12 Metro技术中心，26楼，Brooklyn NY 11201，USA 2019年6月11日艺术智能领域的最新进展，机器学习和非计算机工业导致了将这些技术应用于解决科学和工业中的复杂任务的持续繁荣。当然，金融业和数学金融也是如此。在本文中，我们考虑了数学金融的一个重要问题——期权定价模型与市场数据的校准，因为它最近在深入学习和人工神经网络的背景下引起了金融社会的一些关注。我们强调了现有方法中的一些缺陷，并提出了改进校准性能和准确性的解决方案。我们还解决了使用训练神经网络时的无套利定价问题，这一问题目前在文献中被忽视。Introductionindustry导致了使用这些技术解决科学和工业中复杂任务的持续繁荣。当然，金融业和数学金融也是如此。然而，正如Statt（2018）所述，“……行业发展的速度和目标通常不仅取决于实际的产品进步和研究里程碑，还取决于AI领导人、未来学家、学者、经济学家和决策者的预测和表达的担忧。

人工智能将改变世界，但如何改变以及何时改变仍然是一个悬而未决的问题”。在本文中，我们考虑了数学金融的一个经典问题——期权定价模型与市场数据的校准，因为它最近在ARXIV:1906.03507v1【q-fin.CP】的背景下引起了金融社会的一些关注2019年6月8日期权定价模型的深度学习校准：一些陷阱和解决方案深度学习（DL）和人工神经网络（ANN）。在各种论文中，我们提到了Horvathet al.（2019）；Liu等人（2019），以及其中的参考文献。总之，这些论文的主要思想如下。众所周知，考虑到一些资产定价模型，经典的校准问题在于找到模型参数的最佳性，即它们将模型预测的价格与市场提供的价格之间的差异（在某些规范中）最小化。在本文中，为了确定，我们考虑到计算模型期权价格可能很慢，因此整个校准过程很慢。相反，DLcalibration假设此问题通过两个步骤解决。第一步是使用人工神经网络，用近似值代替价格缓慢的价格。该人工神经网络使用一些样本数据集进行训练，因此在这一步骤完成后，人工神经网络的权重就变得已知了。然后使用标准校准，将modelpricer替换为在前一步构建的经过训练的ANN。这种方法的优点是，对于给定的模型，可以只对近似的ANN进行一次训练，然后将其与任何市场数据一起用于在线校准。因此，神经网络的训练时间被忽略）。问题。Horvath等人详细描述了神经网络的典型构造和训练。