SigFormer：用于深度对冲的签名Transformer
机器学习
2023-10-23 v1
摘要
深度对冲是量化金融中一个很有前景的方向，它融合了深度学习研究中的模型与技术。尽管能给出优异的对冲策略，模型本质上需要谨慎设计神经网络架构。为缓解此类困难，我们引入SigFormer，一种结合路径签名与Transformer强大能力以处理序列数据（尤其在存在不规则性的情况下）的新型深度学习模型。路径签名有效捕捉复杂数据模式，而Transformer提供优越的序列注意力。我们在合成数据上将所提模型与现有方法进行实证比较，展现出更快的学习速度与增强的鲁棒性，尤其在不规则标的资产价格数据存在时。此外，我们通过对冲SP 500指数的真实世界回测验证了模型表现，展示了正向结果。
引用
@article{arxiv.2310.13369,
title = {SigFormer: Signature Transformers for Deep Hedging},
author = {Anh Tong and Thanh Nguyen-Tang and Dongeun Lee and Toan Tran and Jaesik Choi},
journal= {arXiv preprint arXiv:2310.13369},
year = {2023}
}
备注
ICAIF 2023