arXiv发布无套利隐含波动率曲面生成新论文

Oscar Brooks等研究者发布了基于潜在流匹配的无套利隐含波动率曲面生成框架v3版本，该论文已被2026年11月14日至17日在米兰举办的第七届ACM金融人工智能国际会议（ICAIF '26）接收。 该框架先通过带日历价差、认购价差、蝶式套利可微惩罚正则化的变分自编码器，将高维波动率曲面压缩至低维潜在空间，再由流匹配模型学习将高斯先验映射至经验潜在分布，最终解码回波动率曲面。论文称该方法可生成90.8%满足所有测试静态无套利条件的曲面，在极端Q99区间表现最优，无需采样后重加权即可兼顾分布相似度、尾部保留与金融一致性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。