Volatility Surface Reconstruction using Deep Learning under No-Arbitrage Constraints¶
书目记录。出版内容请通过原始来源链接查看。
| 字段 | 内容 |
|---|---|
| 主领域 | 波动率、曲面动态与方差风险 |
| 其他领域 | — |
| 方法 | 金融机器学习 |
| 检索标签 | — |
| 作者 | Pablo Rodriguez Manzi |
| 发布时间 | 2026-05-20 |
| 来源 | arXiv Quantitative Finance History |
| 外部标识 | arxiv:2605.24031 |
| URL | 打开原始来源 |
编辑综合¶
为什么值得关注¶
该研究在稀疏且嘈杂的市场报价下引入无套利约束重建IV曲面，并比较多个网络架构，直接对应交易系统中数据质量不足时的面形健全性问题。 (abstract:S1, abstract:S2, abstract:S3, abstract:S4)
作者主要主张¶
- 作者声明对稀疏噪声期权报价进行无套利约束的IV曲面重建，并评估多种神经网络与SVI参数化。 (
abstract:S1,abstract:S2) - 作者报告：他们进一步称Transformer与U-Net在稀疏观察下更准确，并指出软套利惩罚能显著降低套利违背、以可接受损失换取约束一致性。 (
abstract:S3,abstract:S4)
数据、方法或讨论范围¶
可核验范围包括任务定义（稀疏/噪声报价）、模型比对清单、稀疏条件下的架构表现、以及准确性与无套利一致性的权衡。 (abstract:S1, abstract:S2, abstract:S3, abstract:S4)
主要限制¶
未给出定量的约束权重网格、训练成本与 out-of-domain 误差边界，也没有足以判断风险与时延的操作指标。 (abstract:S3, abstract:S4)
研究关系¶
- 暂无已记录关系。