深度对冲：在交易摩擦下通过学习最小等价近鞅测度消除漂移

我们提出了一种机器学习方法，用于为可交易工具的市场的模拟器（例如现货价格及基于同一标的资产的期权）寻找最小等价鞅测度。我们将结果推广到含摩擦的市场，此时我们寻找“近鞅测度”，在该测度下对冲工具的价格在其买卖价差内为鞅。通过消除漂移，我们随后能够利用深度对冲（Deep Hedging）学习一个“干净”的异质收益对冲，该对冲不受试图从统计套利机会中获利的交易策略的污染。我们相应地强调了该对冲相对于原始市场模拟器估计误差的鲁棒性。我们讨论了在两个市场模拟器上的应用。