基于 Black-Scholes-Merton 方程的美式期权定价的精确终端条件神经网络
计算金融
2025-11-03 v1
摘要
本文提出了一种名为 Exact Terminal Condition Neural Network (ETCNN) 的深度学习框架，用于准确定价美式期权，通过求解 Black-Scholes-Merton (BSM) 方程。ETCNN 包含精心设计的函数，确保数值解不仅恰好满足 BSM 方程的终端条件，而且还匹配期权价格在到期临近处的非光滑和奇异行为。该方法有效地解决了 BSM 方程中不等式约束所带来的挑战，并且可以轻松扩展到高维情形。此外，采用输入归一化以保持齐次性。进行了多项实验，证明所提出的方法在准确率和鲁棒性方面均表现出色，优于传统数值方法和其他机器学习方法。
引用
@article{arxiv.2510.27132,
title = {Exact Terminal Condition Neural Network for American Option Pricing Based on the Black-Scholes-Merton Equations},
author = {Wenxuan Zhang and Yixiao Guo and Benzhuo Lu},
journal= {arXiv preprint arXiv:2510.27132},
year = {2025}
}