11:32
官方账号arXiv cs.LG@Lennon J. Shikhman, Michael Galarnyk, Aadi Dash, Nicholas A. Welsh
推荐理由：这篇论文告诉你，期权价格准不代表密度恢复准。它用NIFTY和模拟数据对比了混合模型、DeepONet和SVI，结果各有胜负，适合做金融AI研究的人参考。
风险中性密度
共 1 条相关 AI 资讯
7月30日
11:32
该论文对比了两种基准：控制基准暴露模拟器真实密度，时间排序的NIFTY基准测试市场外价格。双组分对数正态混合模型在合成基准上具有最低的聚合价格、L1、Wasserstein和固定尾部误差。DeepONet将1%分位数和方差误差分别降低39.0%和34.6%，报价变换器在结构错误设定的Merton族上将L1降低16.4%。在524个NIFTY看涨期权上，验证选择的测试时适应将DeepONet RMSE降低28.3%，但每到期混合和SVI拟合仍然更准确。证据支持目标依赖的归纳偏差，而非通用胜者。