論文の概要: Deep Calibration With Artificial Neural Network: A Performance Comparison on Option Pricing Models

• arxiv url: http://arxiv.org/abs/2303.08760v1
• Date: Wed, 15 Mar 2023 16:57:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 17:57:37.786139
• Title: Deep Calibration With Artificial Neural Network: A Performance Comparison on Option Pricing Models
• Title（参考訳）: ニューラルネットワークを用いた深部校正:オプション価格モデルにおける性能比較
• Authors: Young Shin Kim, Hyangju Kim, Jaehyung Choi
• Abstract要約: 我々は2つのよく知られたGARCH型オプション価格モデルのパラメータを校正するためにANNを構築した。 我々はモンテカルロシミュレーション(MCS)法で生成されたデータセットを用いてANNを訓練し、最適なパラメータをキャリブレーションする。 その結果、ANNアプローチはMCSを一貫して上回り、訓練後より高速な計算時間を生かしていることがわかった。
• 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: This paper explores Artificial Neural Network (ANN) as a model-free solution for a calibration algorithm of option pricing models. We construct ANNs to calibrate parameters for two well-known GARCH-type option pricing models: Duan's GARCH and the classical tempered stable GARCH that significantly improve upon the limitation of the Black-Scholes model but have suffered from computation complexity. To mitigate this technical difficulty, we train ANNs with a dataset generated by Monte Carlo Simulation (MCS) method and apply them to calibrate optimal parameters. The performance results indicate that the ANN approach consistently outperforms MCS and takes advantage of faster computation times once trained. The Greeks of options are also discussed.
• Abstract（参考訳）: 本稿では,オプション価格モデルのキャリブレーションアルゴリズムのモデルフリーソリューションとして,ニューラルネットワーク(ANN)について検討する。 我々は,2つのよく知られたGARCH型オプション価格モデル(Duan's GARCH)とBlack-Scholesモデルの制限を著しく改善する古典的テンパレート安定GARCH)のパラメータを校正するために,ANNを構築した。 この技術的難しさを緩和するため,モンテカルロシミュレーション(mcs)法で生成されたデータセットを用いてannを訓練し,最適パラメータの校正に適用した。 その結果、ANNアプローチはMCSを一貫して上回り、訓練後より高速な計算時間を生かしていることがわかった。 オプションのギリシア語も議論されている。

関連論文リスト

• Solving the optimal stopping problem with reinforcement learning: an application in financial option exercise [0.0]
  我々はモンテカルロシミュレーションを用いて、人工ニューラルネットワークのトレーニングとテストを行うデータ駆動方式を採用している。 我々は、畳み込みニューラルネットワーク(CNN)を用いて価格の歴史全体をマルコフ状態に変換する際に生じる次元問題に対処する別のアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-07-21T22:52:05Z)
• Neural Improvement Heuristics for Preference Ranking [69.23334811890919]
  本稿では,グラフに基づく問題に対するニューラル改善(NI)モデルを提案する。 本モデルでは, ソリューションの品質向上のために, 項目の相互優先の修正を提案する。 これらのアルゴリズムは、優先度ランキング問題の解法として用いられ、シミュレーションや実世界のデータにおいて、従来の方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-01T10:35:29Z)
• SmoothNets: Optimizing CNN architecture design for differentially private deep learning [69.10072367807095]
  DPSGDは、サンプルごとの勾配の切り抜きとノイズ付けを必要とする。 これにより、非プライベートトレーニングと比較してモデルユーティリティが削減される。 SmoothNetと呼ばれる新しいモデルアーキテクチャを蒸留し,DP-SGDトレーニングの課題に対するロバスト性の向上を特徴とした。
  論文  参考訳（メタデータ） (2022-05-09T07:51:54Z)
• Model Architecture Adaption for Bayesian Neural Networks [9.978961706999833]
  我々はBNNを精度と不確実性の両方に最適化する新しいネットワークアーキテクチャサーチ(NAS)を示す。 我々の実験では,探索されたモデルでは,最先端(ディープアンサンブル)と比較して,不確実性と精度が比較できる。
  論文  参考訳（メタデータ） (2022-02-09T10:58:50Z)
• A Mixed Integer Programming Approach to Training Dense Neural Networks [0.0]
  完全連結ANNの学習のための新しい混合整数プログラミング(MIP)法を提案する。 我々の定式化は、バイナリアクティベーションと修正線形ユニット(ReLU)アクティベーションANNの両方を考慮することができる。 また、モデル事前学習のために、ANNのレイヤー数を減少させる手法である層ワイドグリーディ手法を開発した。
  論文  参考訳（メタデータ） (2022-01-03T15:53:51Z)
• Which Model To Trust: Assessing the Influence of Models on the Performance of Reinforcement Learning Algorithms for Continuous Control Tasks [0.0]
  アルゴリズムの改善やモデルの改善による最近の進歩の程度は明らかになっていない。 モデル比較のために、一般的に採用されているモデルのセットが確立されている。 結果,モデル性能に有意な差が認められた。
  論文  参考訳（メタデータ） (2021-10-25T16:17:26Z)
• ANNETTE: Accurate Neural Network Execution Time Estimation with Stacked Models [56.21470608621633]
  本稿では,アーキテクチャ検索を対象ハードウェアから切り離すための時間推定フレームワークを提案する。 提案手法は,マイクロカーネルと多層ベンチマークからモデルの集合を抽出し,マッピングとネットワーク実行時間推定のためのスタックモデルを生成する。 生成した混合モデルの推定精度と忠実度, 統計モデルとルーフラインモデル, 評価のための洗練されたルーフラインモデルを比較した。
  論文  参考訳（メタデータ） (2021-05-07T11:39:05Z)
• Robust Optimal Transport with Applications in Generative Modeling and Domain Adaptation [120.69747175899421]
  ワッサーシュタインのような最適輸送(OT)距離は、GANやドメイン適応のようないくつかの領域で使用されている。 本稿では,現代のディープラーニングアプリケーションに適用可能な,ロバストなOT最適化の計算効率のよい2つの形式を提案する。 提案手法では, ノイズの多いデータセット上で, 外部分布で劣化したGANモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2020-10-12T17:13:40Z)
• Efficient Model-Based Reinforcement Learning through Optimistic Policy Search and Planning [93.1435980666675]
  最先端の強化学習アルゴリズムと楽観的な探索を容易に組み合わせることができることを示す。 我々の実験は、楽観的な探索が行動に罰則がある場合、学習を著しくスピードアップすることを示した。
  論文  参考訳（メタデータ） (2020-06-15T18:37:38Z)
• Enhancing Certified Robustness via Smoothed Weighted Ensembling [7.217295098686032]
  Smoothed Weighted ENsembling scheme を用いてランダム化スムーズな分類器の性能を向上させる。 SWEENが最適な証明された堅牢性を達成するのに有効であることを示す。 また,SWEENモデルの予測と認証コストを削減するための適応予測アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-05-19T11:13:43Z)
• Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
  乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。 アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。 ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
  論文  参考訳（メタデータ） (2020-02-20T10:50:58Z)

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。