深度学习算子分裂法用于美式期权定价论文发布
热点事件持续更新
深度学习算子分裂法用于美式期权定价论文发布
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Dong Yan、Haocheng Zhu、Yao Li 发布学术论文，提出面向高维自由边界问题的深度学习驱动算子分裂方案，将其应用于不完全市场下的美式期权定价。 该定价问题对应含比例交易成本、基于标普500数据验证的非线性漂移随机流动性风险、双因子随机波动率的市场，形式为五维高度非线性变分不等式；方案按时间层将其分解为物理信息神经网络近似的椭圆延续方程，与强制提前行权约束的闭式投影步骤，并在给定预解和利普希茨假设下推导得到条件 ℓ∞ 稳定界。 该方案经有限差分、最小二乘蒙特卡洛基准验证，期权价格与学习得到的行权边界均与参考解高度吻合。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
面向自由边界问题的深度学习驱动算子分裂方法：在不完全市场美式期权定价中的应用报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv q-fin面向自由边界问题的深度学习驱动算子分裂方法：在不完全市场美式期权定价中的应用
该研究提出面向高维自由边界问题的深度学习驱动算子分裂方案，将其应用于不完全市场下的美式期权定价。该定价问题为五维高度非线性变分不等式，方案将其按时间层分解为物理信息神经网络近似的椭圆延续方程与强制提前行权约束的闭式投影步骤。该方案经有限差分、最小二乘蒙特卡洛基准验证，期权价格与学习得到的行权边界均与参考解高度吻合。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月28日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。