Pablo Rodriguez Manzi

深度学习模型在无套利约束下重建波动率曲面

研究人员开发了深度学习模型，用于从有限且有噪声的期权数据中重建隐含波动率曲面，并遵守无套利约束。该研究使用真实市场数据，将包括Transformer和U-Net在内的各种神经网络架构与传统的SVI参数化进行了比较。研究结果表明，Transformer和U-Net模型提供了更优越的重建精度，尤其是在数据稀疏的情况下，并且引入软套利惩罚可以有效减少违规行为，同时对精度影响很小。