arXiv发布隐含波动率曲面套利感知概率多步预测论文

Dominik Manuel Buchegger、Lukas Gonon在arXiv发布更新版论文，提出条件潜在扩散框架，可联合生成隐含波动率曲面与标的收益的30步轨迹，通过套利感知自编码器学习曲面表示，由扩散过程捕捉演化规律。 该框架在SPX曲面数据集上完成评估，可生成符合现实的概率多步情景，其预测均值在超出最短期限的场景下表现优于持续性预测基准。论文所属领域为数学金融（q-fin.MF）与机器学习（cs.LG）。

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。