論文の概要: Interpolation of Missing Swaption Volatility Data using Gibbs Sampling
on Variational Autoencoders
- arxiv url: http://arxiv.org/abs/2204.10400v1
- Date: Thu, 21 Apr 2022 20:37:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-25 12:59:13.263873
- Title: Interpolation of Missing Swaption Volatility Data using Gibbs Sampling
on Variational Autoencoders
- Title（参考訳）: 変分オートエンコーダにおけるgibbsサンプリングによるスワップボラティリティデータの補間
- Authors: Ivo Richert and Robert Buch
- Abstract要約: ヨーロッパのスワップ取引の市場主導のボラティリティデータは、様々な基盤となるスワップ取引の不正性のために、しばしば欠落した引用のかなりの部分を示す。
一般的なSABRモデルのような標準的なツールは、しばしば暗黙のボラティリティの笑顔を観察するには校正できない。
本研究では,SABR のボラティリティー立方体に対する校正値が,完全立方体に適合するのに対して,SABR のボラティリティー立方体は2点以上異なることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Albeit of crucial interest for both financial practitioners and researchers,
market-implied volatility data of European swaptions often exhibit large
portions of missing quotes due to illiquidity of the various underlying
swaption instruments. In this case, standard stochastic interpolation tools
like the common SABR model often cannot be calibrated to observed implied
volatility smiles, due to data being only available for the at-the-money quote
of the respective underlying swaption. Here, we propose to infer the geometry
of the full unknown implied volatility cube by learning stochastic latent
representations of implied volatility cubes via variational autoencoders,
enabling inference about the missing volatility data conditional on the
observed data by an approximate Gibbs sampling approach. Imputed estimates of
missing quotes can afterwards be used to fit a standard stochastic volatility
model. Since training data for the employed variational autoencoder model is
usually sparsely available, we test the robustness of the approach for a model
trained on synthetic data on real market quotes and we show that SABR
interpolated volatilites calibrated to reconstructed volatility cubes with
artificially imputed missing values differ by not much more than two basis
points compared to SABR fits calibrated to the complete cube. Moreover, we show
how the imputation can be used to successfully set up delta-neutral portfolios
for hedging purposes.
- Abstract（参考訳）: 金融業者と研究者の双方にとって重要な関心にもかかわらず、欧州のスワップの市場が実装したボラティリティデータは、様々な交換器の非流動性のため、しばしば欠落した引用の大部分が示される。
この場合、共通のSABRモデルのような標準的な確率補間ツールは、基礎となるスワップのオンザマネーの引用でのみ利用できるため、インプリートボラティリティの笑顔を観察するために校正できないことが多い。
本稿では, 変分オートエンコーダを用いて, 含意ボラティリティキューブの確率的潜在表現を学習し, 観測データに満たないボラティリティデータについて近似ギブスサンプリング手法により推定することにより, 完全に未知なボラティリティキューブの形状を推定する。
欠落した引用の暗黙の見積もりは、後に標準的な確率的ボラティリティモデルに適合するために使われる。
実市場の引用文から合成データに基づいて学習したモデルに対するアプローチの頑健さを検証し, 人工的に不備な値のボラティリティー立方体を補間したSABR補間ボラティライトが, 完全立方体に校正されたSABRの適合度に比べて2点以上異なることを示す。
さらに,本手法を用いてデルタニュートラルポートフォリオをヒージング目的に設定する方法について述べる。
関連論文リスト
- Adapting to Shifting Correlations with Unlabeled Data Calibration [6.84735357291896]
サイト間の分散シフトは、不安定な相関を利用する傾向にあるため、モデル性能を著しく低下させる可能性がある。
本稿では,モデル予測を予測対象と共同設立者間のシフト相関に適応させるフレキシブルな手法であるGeneralized Prevalence Adjustment (GPA)を提案する。
GPAは、これらのサイトからの未ラベルのサンプルを使用して、新しいサイトのターゲットと共同創設者の相互作用を推測することができる。
論文 参考訳（メタデータ） (2024-09-09T18:45:43Z) - Geometry-Aware Instrumental Variable Regression [56.16884466478886]
本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。
本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
論文 参考訳（メタデータ） (2024-05-19T17:49:33Z) - Variational Classification [51.2541371924591]
我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。
軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。
我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
論文 参考訳（メタデータ） (2023-05-17T17:47:19Z) - On the universality of the volatility formation process: when machine
learning and rough volatility agree [1.688090639493357]
過去の市場実現に関連する資産間での普遍的ボラティリティ形成機構の非パラメトリックな証拠を見いだす。
粗分数ボラティリティと2次粗度ヘストンモデルを固定パラメータと組み合わせた擬似パラメトリック予測装置は、普遍LSTMと同等の性能を示す。
論文 参考訳（メタデータ） (2022-06-28T16:20:58Z) - Regularizing Variational Autoencoder with Diversity and Uncertainty
Awareness [61.827054365139645]
変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。
よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
論文 参考訳（メタデータ） (2021-10-24T07:58:13Z) - Bias-Variance Tradeoffs in Single-Sample Binary Gradient Estimators [100.58924375509659]
ストレートスルー (ST) 推定器はその単純さと効率性から人気を得た。
計算の複雑さを低く保ちながら、STよりも改善するいくつかの手法が提案された。
我々は、トレードオフを理解し、元来主張された特性を検証するために、これらの手法のバイアスとばらつきの理論解析を行う。
論文 参考訳（メタデータ） (2021-10-07T15:16:07Z) - Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。
分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。
本手法は精度と不確実性の両方を向上することを示す。
論文 参考訳（メタデータ） (2021-09-27T01:09:08Z) - Deep Stochastic Volatility Model [3.3970049571884204]
本論文では, 深部潜在変数モデルの枠組みに基づく深部ボラティリティモデル(DSVM)を提案する。
フレキシブルなディープラーニングモデルを使用して、過去のリターンに対する将来のボラティリティの依存性を自動的に検出する。
実データ分析では、DSVMはいくつかの一般的な代替ボラティリティモデルよりも優れています。
論文 参考訳（メタデータ） (2021-02-25T03:25:33Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳（メタデータ） (2020-06-26T13:50:19Z) - A generative adversarial network approach to calibration of local
stochastic volatility models [2.1485350418225244]
局所ボラティリティ(LSV)モデルのキャリブレーションのための完全データ駆動手法を提案する。
我々は、フィードフォワードニューラルネットワークのファミリーによってレバレッジ関数をパラメータ化し、利用可能な市場オプション価格から直接パラメータを学習する。
これは、ニューラルSDEと(因果)生成的敵ネットワークの文脈で見る必要がある。
論文 参考訳（メタデータ） (2020-05-05T21:26:20Z) - Forecasting in Non-stationary Environments with Fuzzy Time Series [0.28001431398159626]
非定常ファジィ時間列 (NSFGBPTS) 法を提案する。
非定常ファジィ集合を用いて、摂動関数を知識ベースにおけるメンバシップ関数パラメータに適応させる。
提案手法はファジィ集合を動的に適応させて残差誤差に基づいてプロセスの変化を反映することができる。
論文 参考訳（メタデータ） (2020-04-27T02:35:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。