跳到正文
AI × 量化 × 交易AI 入门 ¥399 · 年度信号 ¥1,299 · AI 直播课 ¥5,980 · 合作机构员工优先查看 →
热点事件观察中

学者发布扩散模型预测隐含波动率表面论文v3

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Chen Jin、Ankush Agarwal发布论文v3,提出条件去噪扩散概率模型(DDPM),用于生成次日近似无套利的隐含波动率曲面。 该模型以历史波动率曲面的指数加权移动平均值、标的资产收益率、平方收益率及相关风险指标为条件,通过基于信噪比的加权方案将套利惩罚纳入损失函数。基于标普500期权市场数据的数值实验显示,该模型在波动率预测上的表现优于现有现代与经典方法。

AI 根据报道生成 · 23 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月26日
  1. arXiv q-fin
    用生成式扩散模型预测隐含波动率曲面

    研究提出条件去噪扩散概率模型(DDPM),用于生成次日近似无套利的隐含波动率曲面。该模型以历史波动率曲面的指数加权移动平均值、标的资产收益率、平方收益率及相关风险指标为条件,通过基于信噪比(SNR)的加权方案将套利惩罚纳入损失函数。基于标普500期权市场数据的数值实验显示,该模型在波动率预测上的表现优于现有现代与经典方法。

本事件热度走势

可比范围当前
5
可比范围峰值
910月26日 15:00
近 24 小时变化
–

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。