不完全市场的非灵活多资产对冲
统计金融
2023-05-12 v2 计算工程、金融与科学
机器学习
摘要
在完全市场假设下训练的模型通常在非完全市场中不起作用。本文解决了具有三种不完全性来源的非完全市场中的对冲问题：风险因子、非流动性以及离散交易日期。提出了一种新的跳跃扩散模型来描述随机资产价格。使用了三种神经网络，包括 RNN、LSTM、Mogrifier-LSTM，以取得对冲策略，并实施了 MSE Loss 和 Huber Loss 进行比较。结果表明，Mogrifier-LSTM 是在 MSE 和 Huber Loss 下具有最佳结果的最快模型。
引用
@article{arxiv.2211.00948,
title = {Inflexible Multi-Asset Hedging of incomplete market},
author = {Ruochen Xiao and Qiaochu Feng and Ruxin Deng},
journal= {arXiv preprint arXiv:2211.00948},
year = {2023}
}