Fugu-MT 論文翻訳(概要): DYSANOS Generative Dynamic Smooth Arbitrage-free Non-parametric Option Surfaces

論文の概要: DYSANOS Generative Dynamic Smooth Arbitrage-free Non-parametric Option Surfaces

arxiv url: http://arxiv.org/abs/2608.12587v1
Date: Wed, 12 Aug 2026 21:01:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-14 18:29:38.324874
Title: DYSANOS Generative Dynamic Smooth Arbitrage-free Non-parametric Option Surfaces
Title（参考訳）: DYSANOS 生成動的平滑なアービタージュフリー非パラメトリックオプション表面
Abstract要約: 本稿ではDYSANOSを,静的な調停のない全てのストライクおよびエクスピリーに対してスムーズなSANOSオプションサーフェスに対する最初の市場モデルとして提示する。本稿では,AR(1)モデルを用いて,若干単純化されたベースライン隠れ状態生成モデルを提案する。我々は、2020年から2025年までのOption MetricsのIvyDB S&P Indexデータでモデル性能を説明し、純粋にインプリードされたPCAモデルと比較する。
参考スコア（独自算出の注目度）: 12.187162769281025
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article presents with DYSANOS the first generative market model for smooth SANOS option surfaces for all strikes and expiries which are free of static arbitrage. Our model is designed to generate entire paths of daily spot and option prices for years in the future. We present a robust and useful if somewhat simplistic baseline hidden state generative model in the form of an AR(1) model. We discuss model setup, data pipeline, and training and investigate numerical resence of dynamic arbitrage. We illustrate model performance on Option Metrics' IvyDB S\&P Index data from 2020 to~2025 and compare it to a pure implied-vol PCA model.
Abstract（参考訳）: 本稿ではDYSANOSを,静的な調停のない全てのストライクおよびエクスピリーに対してスムーズなSANOSオプションサーフェスに対する最初の市場モデルとして提示する。われわれのモデルは、今後数年間の日替わりスポットとオプション価格の全経路を生成するように設計されている。本稿では,AR(1)モデルを用いて,若干単純化されたベースライン隠れ状態生成モデルを提案する。モデル設定、データパイプライン、トレーニングについて検討し、動的仲裁の数値関係について検討する。我々は、2020年から2025年までのOption MetricsのIvyDB S\&P Indexデータでモデル性能を説明し、それを純粋にインプリードされたPCAモデルと比較する。

関連論文リスト

Can We Recycle Our Old Models? An Empirical Evaluation of Model Selection Mechanisms for AIOps Solutions [12.963288374621342]
既存のAIOpsソリューションは通常、定期的なトレーニングを通じてコンセプトドリフトに対してAIOpsモデルをメンテナンスする。最適なAIOpsモデルを選択する際の能力を評価することにより、いくつかのモデル選択メカニズムを評価する。また,既存モデル選択法と理論上界との相違点も明らかにした。
論文参考訳（メタデータ） (2025-05-05T18:47:18Z)
D$^2$-World: An Efficient World Model through Decoupled Dynamic Flow [47.361822281431586]
CVPR-2024 Workshop on Foundation Models for Autonomous Systems(CVPR-2024)で開催される予測的世界モデルチャレンジの2番目のソリューションを要約する。 D$2$-Worldは、Decoupled Dynamic Flowを通して将来の点雲を効果的に予測する新しい世界モデルである。提案手法は,OpenScene Predictive World Modelベンチマークの最先端性能を実現し,第2位を確保し,ベースラインモデルよりも300%以上高速なトレーニングを行う。
論文参考訳（メタデータ） (2024-11-26T01:42:49Z)
Beyond Bradley-Terry Models: A General Preference Model for Language Model Alignment [51.14207112118503]
我々は、優先順位を効率的に捉えるために、応答を潜在空間に埋め込むアプローチである選好埋め込みを導入する。また、人間からのフィードバックから報酬に基づく強化学習を一般化する嗜好スコアに基づく一般選好最適化(GPO)を提案する。提案手法は,基礎モデルの微妙な人的価値との整合性を高めることができる。
論文参考訳（メタデータ） (2024-10-03T04:22:55Z)
Modeling Choice via Self-Attention [8.394221523847325]
注意に基づく選択モデルはHalo Multinomial Logit(Halo-MNL)モデルの低最適一般化であることを示す。また、実データから選択を推定するための最初の現実的な尺度を確立し、既存のモデルの評価を行う。
論文参考訳（メタデータ） (2023-11-11T11:13:07Z)
STORM: Efficient Stochastic Transformer based World Models for Reinforcement Learning [82.03481509373037]
近年,モデルに基づく強化学習アルゴリズムは視覚入力環境において顕著な有効性を示している。本稿では,強力なモデリングと生成機能を組み合わせた効率的な世界モデルアーキテクチャであるTransformer-based wORld Model (STORM)を紹介する。 Stormは、Atari 100$kベンチマークで平均126.7%の人的パフォーマンスを達成し、最先端のメソッドの中で新しい記録を樹立した。
論文参考訳（メタデータ） (2023-10-14T16:42:02Z)
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)
Physics-informed Variational Autoencoders for Improved Robustness to Environmental Factors of Variation [0.6384650391969042]
p$3$VAEは、データ取得条件に関連する変動の潜在要因に関する事前の物理的知識を統合する変分自動エンコーダである。本稿では,機械学習部と物理部のバランスをとる半教師付き学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-10-19T09:32:15Z)
Arbitrage-free neural-SDE market models [6.145654286950278]
我々は、基礎となる金融制約を尊重する欧州オプションブックの非パラメトリックモデルを開発する。株価とオプション価格の離散時系列データからモデルを学習する推論問題について検討する。我々は,SDEシステムのドリフトと拡散のための関数近似器としてニューラルネットワークを用いる。
論文参考訳（メタデータ） (2021-05-24T00:53:10Z)
Autoregressive Dynamics Models for Offline Policy Evaluation and Optimization [60.73540999409032]
表現的自己回帰ダイナミクスモデルが次の状態の異なる次元を生成し、以前の次元で順次条件付きで報酬を得ることを示す。また,リプレイバッファを充実させる手段として,自己回帰的ダイナミクスモデルがオフラインポリシー最適化に有用であることを示す。
論文参考訳（メタデータ） (2021-04-28T16:48:44Z)
PSD2 Explainable AI Model for Credit Scoring [0.0]
本研究の目的は、信用リスクモデルの予測精度を向上させるための高度な分析手法の開発と試験である。このプロジェクトは、銀行関連のデータベースに説明可能な機械学習モデルを適用することに焦点を当てている。
論文参考訳（メタデータ） (2020-11-20T12:12:38Z)
Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文参考訳（メタデータ） (2020-10-27T17:54:12Z)

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。