基于蒙特卡洛树搜索的金融衍生品合约对冲
人工智能
2023-11-02 v3 计算机科学与博弈论
机器学习
证券定价
摘要
在不完全市场中为衍生品合约定价与对冲构建近似复制策略是金融工程的关键问题。近来，现实市场条件下用于对冲的强化学习算法引起了显著兴趣。尽管衍生品领域的研究多聚焦于 -学习变体，在人工智能中蒙特卡洛树搜索是被公认的各种规划问题（如 Hex、国际象棋、围棋等游戏）的 SOTA 方法。本文引入蒙特卡洛树搜索作为求解定价与对冲任务背后随机最优控制问题的方法。与 -学习相比，它将强化学习与树搜索技术结合。因此蒙特卡洛树搜索具有更高的样本效率，更不易过拟合于特定市场模型，且通常更快学到更强的策略。在我们的实验中，我们发现作为国际象棋和围棋等游戏中世界冠军的蒙特卡洛树搜索，无需建立辅助数学框架即可轻松最大化投资者终端财富的效用。
引用
@article{arxiv.2102.06274,
title = {Hedging of Financial Derivative Contracts via Monte Carlo Tree Search},
author = {Oleg Szehr},
journal= {arXiv preprint arXiv:2102.06274},
year = {2023}
}
备注
Corrected typos. Shorter Presentation. 15 pages, 5 figures