通过惩罚与神经网络计算最优传输及相关对冲问题
最优化与控制
2019-01-28 v2 数理金融
机器学习
摘要
本文提出了一种通过神经网络求解（多边际、鞅）最优传输及相关问题的广泛适用方法。核心思想是在对偶形式下惩罚优化问题，并将其简化为一个有限维问题，对应于优化一个具有光滑目标函数的神经网络。我们给出了来自最优传输、鞅最优传输、不确定性下的投资组合优化以及生成对抗网络（GAN）的数值例子，展示了该方法的通用性与有效性。
引用
@article{arxiv.1802.08539,
title = {Computation of optimal transport and related hedging problems via penalization and neural networks},
author = {Stephan Eckstein and Michael Kupper},
journal= {arXiv preprint arXiv:1802.08539},
year = {2019}
}