Apr, 2012

无套利 SVI 波动率曲面

PDF
TL;DR本文介绍了如何校准广泛使用的 SVI 暗含波动率面的参数化，以确保不存在静态套利机会，并展示了具有简单闭合形式表示的大类无套利 SVI 波动率面。我们使用最近的 SPX 期权数据的数值例子展示了典型 SVI 适配的高质量。
calibrationsvi parameterizationimplied volatility surfacearbitrage-freespx options data
发现论文，激发创造
  • 隐含波动率曲面：构建方法和特征

    本文综述了构建隐含波动率面的多种方法，同时讨论了多个实际构建过程中的问题，如无套利条件、拟合函数选择和数值优化算法等。

    Jul, 2011

  • 一种基于生成对抗网络的局部随机波动率模型校准方法

    运用数据驱动方法，通过神经网络对杠杆函数建模，对局部随机波动模型进行校准，利用对冲技术和深度对冲技术进行方差降低，从而精确地计算模型价格和模型隐含波动率。

    May, 2020

  • B 样条技术用于波动率建模

    本文探讨了将 B 样条应用于波动性建模，特别是在随机局部波动性模型中校准杠杆函数和参数化基于稀疏期权数据校准的无套利隐含波动率曲面。我们使用一种包括具有无限支持的基函数的经典 B 样条的扩展。

    Jun, 2013

  • 随机变分推断的平滑梯度

    本文介绍了一种改进的随机变分推断方法，其中使用移动平均方法构建代替自然梯度的向量，得到了更高的计算计算效率和更小的误差。测试表明该方法在大规模数据上表现良好。

    Jun, 2014

  • 衍生品定价模型的校准：多智能体强化学习视角

    本研究采用深度多智能体强化学习方法在随机过程空间中搜索连续时间扩散模型来适应市场价格，实现本研究所解决的问题，结果表明：我们能够学习局部波动率，并且在波动率过程中学习路径依赖性以最小化百慕大期权的价格。

    Mar, 2022

  • 加速随机概率推断

    本文提出了一种基于二阶方法的随机变分推断方法，通过求解变分目标函数的 Hessian 矩阵，选择了两种数值方案来实现这种方法，通过合成和真实数据的实证评估，证实了这种方法的有效性和效率。

    Mar, 2022

  • 半隐式变分推断

    使用半隐式变分推断方法 (SIVI) 扩展了通常使用的解析变分分布族，可以将变分参数与灵活的分布混合。这种混合分布可以采用任何密度函数来生成独立的随机样本，并且在推理贝叶斯模型的后验概率方面与 MCMC 方法的精度相当.

    May, 2018

  • 粒子半隐式变分推断

    该研究提出了一种名为粒子变分推理（PVI）的新方法，通过粒子近似欧氏 - 瓦塞尔斯坦梯度流，利用经验度量来近似描述最优混合分布，并直接优化证据下界（ELBO），无需对混合分布做参数化假设。实证结果表明，PVI 在各种任务中表现出色，并对相关的自由能函数的梯度流行为进行了理论分析，证明了解的存在性和唯一性以及混乱传播结果。

    Jun, 2024

  • 基于 Stein 恒等式的高维指数波动率模型

    本文在研究单个和多个指数波动率模型的参数组成估计问题，利用 Stein's identities 发展方法，在高维设置下可以应用于有限时刻条件要求的方差指数估计，同时也放宽了对估计条件的限制，并提供了高维设置下的新方法。

    Nov, 2018

  • Beta Bernoulli 过程的随机变分算法实证研究

    研究使用 SVI 在稀疏潜在因子模型（尤其是 BPFA）中的性能，发现使用 Gibbs 采样维护特定后验依赖关系非常有效，但在 BPFA 中不同的后验依赖关系与 LDA 不同，并且模拟内局部变量依赖性的近似方法表现最佳。

    Jun, 2015