利用 DNN 强制渐近行为以实现金融中的近似与回归
计算金融
2025-07-08 v2 数值分析
数值分析
证券定价
摘要
我们提出了一种简单的方法，通过专门构造的项和无约束深度神经网络（DNN）来近似具有给定渐近行为的函数。该方法可扩展至各种渐近行为和多维情况，且易于实现。在本工作中，我们在一维示例中演示了线性渐近行为。我们将其应用于函数近似和回归问题，测量仅函数值的近似（"纯机器学习"-VML）或同时近似函数值和导数值（"微分机器学习"-DML）。结果表明，强制给定渐近行为可提高近似效果并加快收敛速度。
引用
@article{arxiv.2411.05257,
title = {Enforcing asymptotic behavior with DNNs for approximation and regression in finance},
author = {Hardik Routray and Bernhard Hientzsch},
journal= {arXiv preprint arXiv:2411.05257},
year = {2025}
}
备注
24 Pages. Changed bibliography style so that ArXiv will be more likely to pick up citations and references