加载中...
本文提出 KANHedge:在深度 BSDE 框架中用 Kolmogorov-Arnold Networks (KANs) 建模每步的 delta,从而提升高维篮子期权的对冲性能。实验(欧式与美式篮子期权,多维与多种市场情形)表明:KANHedge 与传统 MLP 在定价上误差相当(均在 ~1% 级),但在 CVaR 指标下对冲成本普遍更低,美式情形下改进可达约 9%,欧式可达 ~4% 的相对改善,归因于 KAN 提供的更平滑、更准确的梯度估计
| Configuration | Method | Price Error (%) | CVaR |
|---|---|---|---|
| Baseline | MLP | 0.314 | 1.438 |
| Baseline | KANHedge | 0.055 | 1.409 |
| Configuration (示例) | Method | Price Error (%) | CVaR |
|---|---|---|---|
| σ1=0.3, ρ=0.3, K=35 | MLP | 0.586 | 1.664 |
| σ1=0.3, ρ=0.3, K=35 | KANHedge | 0.374 | 1.522 |
元数据与概览(引言与报告概览)
逐节深度解读
图表与图像深度解读(逐一说明并嵌入图片)
表格:Algorithm 1(第3页)
表 1:European Geometric Basket Option Results(第5页)
图 1:European Baseline 正规化对冲成本直方图(第5页)
表 2:American Basket Option Results(第6页)
图 2:American 例子(σ1=0.3, ρ=0.3, K=35)对冲成本分布(第6页)
图 3:一维欧式期权在中间时刻 t_10 的 delta 曲线(第6页)
估值与实验评估方法(第5页)
风险因素评估(报告中识别与未识别项)
批判性视角与细微差别
结论性综合(综合要点与建议)
最后总结一句话(核心结论引用)
2601.11097.pdf