Ridge LSMC

LLM程序搜索在期权定价方面未能超越现有方法

一篇新的研究论文探讨了大型语言模型（LLM）程序搜索代理在解决复杂金融问题（特别是百慕大期权定价）方面的有效性。研究发现，虽然LLM可以为这些问题生成Python代码，但生成的程序在性能上并未始终优于Ridge LSMC等现有方法，性能提升通常在蒙特卡洛不确定性范围内。研究还调查了不同记忆和反馈机制的影响，发现在测试的管道中，结构化记忆相比仅分数记忆没有带来显著优势。