論文の概要: Synthetic American Option Pricing via Jump-HMM-Driven Heston Implied Volatility

• arxiv url: http://arxiv.org/abs/2605.13998v1
• Date: Wed, 13 May 2026 18:07:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.45017
• Title: Synthetic American Option Pricing via Jump-HMM-Driven Heston Implied Volatility
• Title（参考訳）: ジャンプHMM駆動型ヘストンインプリッドボラティリティによる合成アメリカオプション価格設定
• Authors: Julia Sun, Zheyu Jin, Jiawei Zhang, Jeffrey D. Varner,
• Abstract要約: インプリートボラティリティに基づく合成オプション価格の合成データ生成装置を開発した。 本研究では,本フレームワークを実際の近日貸付・呼出契約,価格パスの前方シミュレーション,経路条件によるインプリート変動の回復に応用する。 このフレームワークは、オープンソースのJuliaパッケージとしてリリースされている。
• 参考スコア（独自算出の注目度）: 5.087681397628885
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating realistic synthetic option prices requires implied volatility as an input, yet implied volatility is itself derived from observed option prices, creating a circular dependency that limits synthetic data for machine-learning and risk-analysis applications. We break this circularity with a pipeline in which implied volatility emerges as an output of a structural model of equity returns. A Jump Hidden Markov Model produces multi-asset price paths with realistic stylized facts and cross-asset tail dependence; a modified Heston variance process, whose mean-reversion target depends on regime state, days to expiration, moneyness, and a market-mood indicator, converts those paths into implied-volatility paths; and a recombining binomial lattice prices American options from the resulting surface. Initializing variance at its mean-reversion target for each strike-expiration pair lets smile, skew, and term structure emerge without external calibration. We calibrate the shape function through a hierarchy spanning a parametric baseline, a globally shared neural surrogate, and a sector-specific neural surrogate fit to a multi-ticker, multi-sector option ladder. A temporal holdout on a multi-day capture isolated scheduled corporate events as the dominant source of test-time generalization error, and calendar-derived earnings-distance and same-sector peer-coupling features recovered the anticipatory portion of that signal. We then apply the framework as a synthetic-data generator on real near-the-money put and call contracts, forward-simulating price paths, and recovering path-conditional implied volatility, finite-difference American Greeks, and terminal short-premium profit and loss from one coherent simulation, and confirm cross-ticker robustness by re-running on a second underlying from a different sector and volatility regime. The framework is released as an open-source Julia package.
• Abstract（参考訳）: リアルな合成オプション価格を生成するには、入力としてインプリッド・ボラティリティが必要であるが、インプリッド・ボラティリティはそれ自体が観測されたオプション価格に由来するものであり、機械学習やリスク分析のための合成データを制限する円形の依存関係を生み出す。 インプリケートされたボラティリティが、エクイティの構造モデルからの出力として現れるパイプラインで、この循環を破ります。 ジャンプハイデンマルコフモデル(Jump Hidden Markov Model)は、現実的なスタイル化された事実とクロスアセットのテール依存を備えたマルチアセットの価格パスを生成する。 各ストライク体験ペアの平均回帰目標における分散の初期化は、外部キャリブレーションなしでスマイル、スキュー、項構造を現わす。 我々は、パラメトリックベースライン、グローバル共有ニューラルサロゲート、およびセクター固有のニューラルサロゲートにまたがる階層構造を通じて、形状関数をキャリブレーションする。 マルチデイキャプチャーにおける時間的ホールドアウトは、スケジュールされた企業イベントをテストタイムの一般化エラーの主原因とし、カレンダー由来の収益距離と同座のピアカップリング機能は、その信号の予測部分を回復した。 次に,本フレームワークを,実際のニアザマネープ・コール契約,フォワード・シミュレートされた価格経路,経路条件によるインプリッド・ボラティリティ,有限ディファレンス・アメリカン・ギリシャ人,および1つのコヒーレント・シミュレーションによる短期的利益と損失の回復に適用し,異なるセクターとボラティリティ体制から根底にある第2セクターに再実行することで,クロスティカー・ロバスト性を確認する。 このフレームワークは、オープンソースのJuliaパッケージとしてリリースされている。

関連論文リスト

• Deep g-Pricing for CSI 300 Index Options with Volatility Trajectories and Market Sentiment [14.215333503141101]
  本稿では,BSMモデルを拡張し,非線形生成器を奥行き微分方程式フレームワーク内で学習する。 本稿では,価値ネットワーク$u_$がオプション価格を学習し,ジェネレータネットワーク$g_$が価格メカニズムを特徴付けるデュアルネットワークアーキテクチャを提案する。 CSI300インデックスオプションを用いた実験結果から, 平均絶対誤差(MAE)を32.2%, 平均絶対誤差(MAPE)を35.3%削減できることがわかった。
  論文  参考訳（メタデータ） (2026-01-15T08:58:09Z)
• End-to-End Large Portfolio Optimization for Variance Minimization with Neural Networks through Covariance Cleaning [0.0]
  我々は,世界規模の最小分散ポートフォリオを提供する回転不変ニューラルネットワークを開発した。 この明示的な数学的写像は各加群の役割を明確に解釈できる。 単一モデルは数百株のパネルで校正でき、再訓練せずに1000米国株に適用される。
  論文  参考訳（メタデータ） (2025-07-02T17:27:29Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Delta-AI: Local objectives for amortized inference in sparse graphical models [64.5938437823851]
  スパース確率的グラフィカルモデル(PGM)における補正推論のための新しいアルゴリズムを提案する。 提案手法は, PGMにおける変数のサンプリングをエージェントが行う一連の行動とみなす場合, エージェントのポリシー学習目的において, PGMの疎結合が局所的な信用割当を可能にするという観察に基づいている。 合成PGMからサンプリングし、スパース因子構造を持つ潜在変数モデルを訓練するための$Delta$-AIの有効性について説明する。
  論文  参考訳（メタデータ） (2023-10-03T20:37:03Z)
• Generating drawdown-realistic financial price paths using path signatures [0.0]
  本稿では,金融価格データのシーケンスを定量的に近似したドローダウンでシミュレーションするための,新しい生成機械学習手法を提案する。 我々は、変分自己エンコーダ生成モデルと縮小再構成損失関数を組み合わせた非自明なモンテカルロアプローチを提唱する。 我々は、混合株式、債券、不動産、商品ポートフォリオに関する数値実験で締めくくった。
  論文  参考訳（メタデータ） (2023-09-08T10:06:40Z)
• 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)
• Autoregressive Bandits [58.46584210388307]
  本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。 報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。 次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
  論文  参考訳（メタデータ） (2022-12-12T21:37:36Z)
• Multi-Asset Spot and Option Market Simulation [52.77024349608834]
  正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。 本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T17:34:28Z)

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。