自适应 Nesterov 加速分布式深度对冲，用于高效波动率风险管理
机器学习
2025-02-26 v1 计算金融
摘要
在衍生品交易领域，管理波动率风险对于保护投资组合免受市场变化的影响至关重要。传统的 Vega 风险对冲策略往往依赖基本且基于规则的模型，难以适应快速变化的市场条件。我们引入了一种新的框架用于动态 Vega 对冲，即自适应 Nesterov 加速分布式深度对冲（ANADDH），将分布式强化学习与基于自适应 Nesterov 加速的定制设计相结合。该方法通过建模对冲效率分布，提高了在复杂金融环境中的学习过程，提供更准确和更具响应性的对冲策略。自适应 Nesterov 加速设计细化了梯度动量调整，显著增强了模型的稳定性和收敛速度。通过经验分析和比较，我们的方法在现有对冲技术上实现了显著的性能提升。我们的结果确认，这种创新的分布式强化学习与所提出优化技术的结合提高了金融风险管理，突显了在金融领域实施先进神经网络架构的实际效益。
引用
@article{arxiv.2502.17777,
title = {Adaptive Nesterov Accelerated Distributional Deep Hedging for Efficient Volatility Risk Management},
author = {Lei Zhao and Lin Cai and Wu-Sheng Lu},
journal= {arXiv preprint arXiv:2502.17777},
year = {2025}
}