論文の概要: Valuation of Exotic Options and Counterparty Games Based on Conditional Diffusion

• arxiv url: http://arxiv.org/abs/2509.13374v1
• Date: Tue, 16 Sep 2025 06:00:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.573087
• Title: Valuation of Exotic Options and Counterparty Games Based on Conditional Diffusion
• Title（参考訳）: 条件拡散に基づくエキゾチックオプションの評価と対戦ゲーム
• Authors: Helin Zhao, Junchi Shen,
• Abstract要約: 本稿では,エキゾチックオプションと構造化商品の価格設定の課題について論じる。 伝統的なモデルは、ファットテール分布やボラティリティクラスタリングのような現実世界の市場現象を扱うのに失敗することが多い。 より現実的な価格経路を生成するために拡散連続確率モデルを導入する。
• 参考スコア（独自算出の注目度）: 1.2891210250935148
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper addresses the challenges of pricing exotic options and structured products, which traditional models often fail to handle due to their inability to capture real-world market phenomena like fat-tailed distributions and volatility clustering. We introduce a Diffusion-Conditional Probability Model (DDPM) to generate more realistic price paths. Our method incorporates a composite loss function with financial-specific features, and we propose a P-Q dynamic game framework for evaluating the model's economic value through adversarial backtesting. Static validation shows our P-model effectively matches market mean and volatility. In dynamic games, it demonstrates significantly higher profitability than a traditional Monte Carlo-based model for European and Asian options. However, the model shows limitations in pricing products highly sensitive to extreme events, such as snowballs and accumulators, because it tends to underestimate tail risks. The study concludes that diffusion models hold significant potential for enhancing pricing accuracy, though further research is needed to improve their ability to model extreme market risks.
• Abstract（参考訳）: 本稿では, 従来のモデルでは, ファットテール分布やボラティリティクラスタリングといった現実の市場現象を捉えることができないため, 従来のモデルでは対応できないような, エキゾチックなオプションや構造的製品の価格設定の課題に対処する。 より現実的な価格経路を生成するために,拡散連続確率モデル(DDPM)を導入する。 そこで本稿では,P-Q動的ゲームフレームワークを提案する。 静的検証は、我々のPモデルが市場の平均値とボラティリティとを効果的に一致していることを示している。 ダイナミックゲームでは、ヨーロッパとアジアの伝統的なモンテカルロベースのモデルよりもはるかに高い収益性を示す。 しかし、このモデルでは、雪玉やアキュミュレータのような極端なイベントに非常に敏感な価格製品では、尾のリスクを過小評価する傾向があるため、制限が示される。 この研究は、拡散モデルは価格の精度を高める大きな可能性を秘めているが、極端な市場リスクをモデル化する能力を改善するためにはさらなる研究が必要であると結論付けている。

関連論文リスト

• Predicting Market Troughs: A Machine Learning Approach with Causal Interpretation [0.0]
  本稿では,マーケットトラフの因果的要因に関する,堅牢で新しい証拠を提供する。 フレキシブルなDML平均部分効果因果機械学習フレームワークにより、制約付き線形モデルを超えて動きます。
  論文  参考訳（メタデータ） (2025-09-07T04:38:40Z)
• Mathematical Modeling of Option Pricing with an Extended Black-Scholes Framework [0.0]
  本研究では,ブラック・スコールズモデルを拡張し,ボラティリティと金利変動性を含むオプション価格の高騰について検討した。 拡張されたBlack-Scholesモデルと機械学習ベースのLSTMモデルを開発し、Googleストックオプションの価格で評価する。
  論文  参考訳（メタデータ） (2025-04-04T05:06:55Z)
• On conditional diffusion models for PDE simulations [53.01911265639582]
  スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。 本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。 また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:31:04Z)
• DiffSTOCK: Probabilistic relational Stock Market Predictions using Diffusion Models [1.9662978733004601]
  我々は、歴史的金融指標とストック間関係を前提とした、より良い市場予測を提供するためのアーキテクチャを開発する。 また,Masked Transformer (RTM) を用いて,ストック間関係と歴史的ストックの特徴を生かした新しい決定論的アーキテクチャ MTCHS を提供する。
  論文  参考訳（メタデータ） (2024-03-21T01:20:32Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution [67.9215891673174]
  離散空間に対するスコアマッチングを自然に拡張する新たな損失として,スコアエントロピーを提案する。 標準言語モデリングタスク上で,Score Entropy Discrete Diffusionモデルをテストする。
  論文  参考訳（メタデータ） (2023-10-25T17:59:12Z)
• COPlanner: Plan to Roll Out Conservatively but to Explore Optimistically for Model-Based RL [50.385005413810084]
  ダイナスタイルのモデルベース強化学習には、ポリシー学習と実環境探索のためのサンプルを生成するモデルロールアウトという2つのフェーズが含まれる。 $textttCOPlanner$は、不正確な学習された動的モデル問題に対処するモデルベースのメソッドのための計画駆動フレームワークである。
  論文  参考訳（メタデータ） (2023-10-11T06:10:07Z)
• Adaptive learning for financial markets mixing model-based and model-free RL for volatility targeting [0.0]
  モデルフリー強化学習は安定した環境において有意義な成果を上げてきたが、今日でも金融市場のような環境の変化に問題がある。 モデルフリーな深層強化学習により,様々なモデルベースアプローチを選択することで,この2つの手法のベストを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2021-04-19T19:20:22Z)
• On the model-based stochastic value gradient for continuous reinforcement learning [50.085645237597056]
  モデルベースエージェントは,サンプル効率と最終報酬の両方の観点から,最先端のモデルフリーエージェントより優れていることを示す。 以上の結果から,モデルに基づく政策評価がより注目に値することが示唆された。
  論文  参考訳（メタデータ） (2020-08-28T17:58:29Z)

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。