論文の概要: Applying Informer for Option Pricing: A Transformer-Based Approach

• arxiv url: http://arxiv.org/abs/2506.05565v1
• Date: Thu, 05 Jun 2025 20:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 17:28:43.222782
• Title: Applying Informer for Option Pricing: A Transformer-Based Approach
• Title（参考訳）: オプション価格にInformerを適用する: Transformer ベースのアプローチ
• Authors: Feliks Bańka, Jarosław A. Chudziak,
• Abstract要約: 本稿では,Informerニューラルネットワークのオプション価格への適用について検討する。 本研究は,予測精度を高めるために,Informerの効率的なアーキテクチャを導入することで,財務予測の分野に寄与する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate option pricing is essential for effective trading and risk management in financial markets, yet it remains challenging due to market volatility and the limitations of traditional models like Black-Scholes. In this paper, we investigate the application of the Informer neural network for option pricing, leveraging its ability to capture long-term dependencies and dynamically adjust to market fluctuations. This research contributes to the field of financial forecasting by introducing Informer's efficient architecture to enhance prediction accuracy and provide a more adaptable and resilient framework compared to existing methods. Our results demonstrate that Informer outperforms traditional approaches in option pricing, advancing the capabilities of data-driven financial forecasting in this domain.
• Abstract（参考訳）: 正確なオプションの価格設定は、金融市場の効果的なトレーディングとリスク管理に不可欠だが、市場のボラティリティとブラックスコールのような伝統的なモデルの制限により、依然として困難である。 本稿では,Informer ニューラルネットワークをオプション価格に適用し,長期的依存関係を捕捉し,市場変動に動的に適応する能力を活用して検討する。 本研究は,Informerの効率的なアーキテクチャを導入し,予測精度を向上し,既存手法と比較して適応性と回復性のあるフレームワークを提供することにより,財務予測の分野に寄与する。 我々の結果は、Informerがオプション価格の従来のアプローチよりも優れており、この領域におけるデータ駆動型財務予測の能力が向上していることを示している。

関連論文リスト

• Cross-Modal Temporal Fusion for Financial Market Forecasting [3.0756278306759635]
  我々は異種財務データを統合して予測精度を向上させるトランスフォーマーベースのフレームワークであるCross-Modal Temporal Fusion (CMTF)を紹介する。 実世界の金融データセットに適用すると、CMTFは株価の動きを予測するためのベースラインモデルよりも改善を示す。
  論文  参考訳（メタデータ） (2025-04-18T07:20:18Z)
• CSPO: Cross-Market Synergistic Stock Price Movement Forecasting with Pseudo-volatility Optimization [14.241290261347281]
  Pseudo-volatility Optimization (CSPO)によるクロスマーケット・シナジーの枠組みを紹介する。 CSPOは、外部の未来の知識を活用するために効果的なディープ・ニューラル・アーキテクチャを実装している。 CSPOは、ストック固有の予測信頼性をモデル化するために擬似ボラティリティを取り入れている。
  論文  参考訳（メタデータ） (2025-03-26T18:58:15Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
  本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。 本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。 この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
  論文  参考訳（メタデータ） (2022-07-23T18:54:10Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• The Adaptive Multi-Factor Model and the Financial Market [0.0]
  Exchange-Traded Fundsのようなコンポーネントの導入や、アルゴリズムトレーディングのような高度な技術の普及により、データのブームがもたらされる。 従来の統計手法は、常に高次元、高相関、時間変化による財務データの直感に悩まされる。 提案手法により、より解釈可能なモデル、より明確な説明、より良い予測が可能である。
  論文  参考訳（メタデータ） (2021-07-30T03:05:03Z)
• Financial Markets Prediction with Deep Learning [11.26482563151052]
  金融市場の動きを予測する新しい1次元畳み込みニューラルネットワーク(CNN)モデルを提案する。 カスタマイズされた1次元畳み込み層は、時間を通じて金融取引データをスキャンし、価格やボリュームなどの異なる種類のデータ、共有パラメータ(カーネル)を互いに共有する。 我々のモデルは従来の技術指標の代わりに自動的に特徴を抽出する。
  論文  参考訳（メタデータ） (2021-04-05T19:36:48Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。