Jean-Loup Dupret

深度核对冲框架结合了神经网络和核方法

研究人员引入了一种新颖的深度核对冲框架，该框架将深度学习的适应性与核方法的结构偏差相结合。该方法通过输入特征的神经网络嵌入来参数化核，从而最小化正则化经验风险。该框架可以使用签名特征纳入路径依赖信息，并包括可扩展的随机傅里叶特征近似来管理计算成本。在合成数据和真实数据上的评估表明，该框架具有竞争力且稳健的对冲性能，尤其是在数据稀疏的情况下，这突显了神经表示和核方法之间的协同作用。