实体
Black–Scholes model
Black–Scholes model
PulseAugur coverage of Black–Scholes model — every cluster mentioning Black–Scholes model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新型神经网络增强Black-Scholes隐含波动率计算
研究人员开发了一系列新的神经网络架构，旨在改进Black-Scholes隐含波动率的计算。这些模型通过学习价格-对数价外性域的可训练划分，利用Black-Scholes定价函数在不同波动率状态下的独特行为。提出的架构在这些区域内结合了专门的局部近似，与标准的向前馈送网络相比，表现出更高的准确性和泛化能力。此外，该神经网络的输出可作为三阶Householder方案的高度准确的初始猜测，从而能够以最少的精炼迭代实现接近机器精度的计算。
-
新的PIVOT系统连接期权定价与隐含波动率目标
研究人员开发了PIVOT，一个旨在弥合期权学习模型中价格和隐含波动率（IV）目标之间差距的新颖系统。PIVOT利用一个可微分的Jäckel算子来保持现有求解器的效率，同时提供一个处理低Vega状态下奇异性的反向传播。这种方法显著提高了准确性，在SPX OptionMetrics数据上，持有期价格平均绝对误差（MAE）降低了43.4%，价格和IV联合MAE提高了21.3%。