学者发布深度粗糙波动率不确定性与可解释性研究论文
热点事件持续更新
学者发布深度粗糙波动率不确定性与可解释性研究论文
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Damiano Brigo、Raphaël Huser、Dan Leonte发布研究论文,针对粗糙Heston(rHeston)模型的隐含波动率曲面校准问题,提出基于仿真的推理框架。 该框架可学习模型参数的后验分布,结合神经比率估计与异方差神经代理定价器,生成带有不确定性感知的期权价格区间。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:00
深度粗糙波动率中的不确定性与可解释性:一种神经信息论后验方法报道时间线
沿着报道,了解事件的不同侧面。
10月23日
- arXiv q-fin深度粗糙波动率中的不确定性与可解释性:一种神经信息论后验方法
针对粗糙 Heston(rHeston)模型的隐含波动率曲面校准,提出基于仿真的推理框架,学习模型参数的后验分布,结合神经比率估计与异方差神经代理定价器生成不确定性感知的期权价格区间。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。