基于深度学习的 Heston 模型校准：统一框架
偏微分方程分析
2026-04-21 v2 机器学习
摘要
Heston 随机波动模型是金融数学中用于定价欧洲期权的广泛使用工具。然而，其校准由于模型的非线性结构和高维参数空间，计算计算密集且容易陷入局部最小值。本文引入了一种基于深度学习的混合框架，以增强校准程序的计算效率和准确性。该方法集成了两个监督式前馈神经网络：价格逼近网络（PAN），其基于strike 和 moneyness 输入对期权价格表面进行近似；校准修正网络（CCN），其通过纠正系统性定价误差来细化 Heston 模型的输出。实验结果表明，在真实的 S&P 500 期权数据上，深度学习方法在多个误差指标上超越了传统校准技术，实现更快的收敛，并在样内和样外设置中表现出更好的概括能力。该框架为实时金融模型校准提供了实用且稳健的解决方案。
引用
@article{arxiv.2510.24074,
title = {Deep Learning-Enhanced Calibration of the Heston Model: A Unified Framework},
author = {Arman Zadgar and Somayeh Fallah and Farshid Mehrdoust and Juan E. Trinidad Segovia},
journal= {arXiv preprint arXiv:2510.24074},
year = {2026}
}