AI模型增强金融路径生成和衍生品诊断

研究人员开发了一种新颖的历史感知型金融路径生成器，使用去噪 Levy 概率模型 (DLPMs) 进行条件股票指数路径生成。该模型将扩散噪声与考虑合同状态、历史回报和趋势信息的 U-Net 相结合。在中国和美国股票指数上的评估表明，DLPM 生成器在终端 CRPS 和路径能量得分等指标上优于高斯扩散控制和经验方法。该研究还将学习到的分布嵌入到 P-Q 支付诊断框架中，以分析金融衍生品，揭示物理方向对标准看涨期权的支付有显著影响。 AI

影响 这项研究可能通过利用先进的 AI 技术进行复杂的路径生成，从而实现更准确的金融建模和衍生品定价。

排序理由 该集群包含一篇详细介绍用于金融应用的新 AI 模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Chinese equity indices
• Denoising Levy Probabilistic Models
• P-Q payoff diagnostic
• Student-t GARCH(1,1)
• U-Net
• U.S. equity indices

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →