用于期权定价的门控神经网络：理性设计
计算金融
2020-03-30 v3 机器学习
证券定价
摘要
我们提出了一种用于欧式看涨期权定价的神经网络方法，该方法显著优于某些现有的定价模型，并保证其预测在经济上是合理的。为此，我们引入了一类门控神经网络，能够自动学习以分治策略处理问题空间，从而实现稳健且准确的定价。随后，我们推导了这些网络的实例化形式，它们在自然编码满足无套利原则的有效看涨期权曲面方面是“理性设计”的。这种将人类洞察融入数据驱动学习的方法，由于学习中编码了归纳偏置，显著提高了定价性能的泛化能力，保证了模型预测的合理性，并提供了如风险中性密度等具有计量经济学价值的副产品。
引用
@article{arxiv.1609.07472,
title = {Gated Neural Networks for Option Pricing: Rationality by Design},
author = {Yongxin Yang and Yu Zheng and Timothy M. Hospedales},
journal= {arXiv preprint arXiv:1609.07472},
year = {2020}
}
备注
Accepted to AAAI 2017. 7 pages, 5 figures