加载中...
本文将不确定性量化引入 deep hedging:通过训练五个独立 LSTM 成员构成深度集成并以成员间分歧作为逐时刻置信度信号,证实该信号能显著预测策略相对表现并用于构造 CVaR 优化的混合对冲(以集成对冲与 Black–Scholes delta 加权),从而在多种 Heston 校准下将 CVaR 改善 35–80 个基点,并较 Whalley–Wilmott 改善 100–250 个基点,且改进通过配对自助检验显著。
| 市场特征 | 与路径不确定性的相关 |
|---|---|
| 终值 moneyness S_T/K | +0.73 |
| 平均波动率(√v) | -0.41 |
| Strategy | Mean P&L | Std P&L | CVaR5% |
|---|---|---|---|
| Pure Ensemble | -0.0533 | 0.0283 | -0.1155 |
| Black–Scholes Delta | -0.0551 | 0.0137 | -0.0875 |
| Whalley–Wilmott | -0.0532 | 0.0208 | -0.1037 |
| CVaR Blend | -0.0545 | 0.0138 | -0.0834 |
| 组成 | Ensemble | BS Delta | 差异 |
|---|---|---|---|
| Hedging gains | 0.0001 | 0.0003 | -0.0002 |
| Transaction costs | 0.0006 | 0.0022 | -0.0016 |
| Net P&L | -0.0538 | -0.0552 | +0.0014 |
| Calibration | Blend CVaR | BS CVaR | Improvement (bps) |
|---|---|---|---|
| Baseline (σ=0.4, ρ=-0.7) | -0.0834 | -0.0875 | +41.5 |
| High VoV (σ=0.8, ρ=-0.7) | -0.0987 | -0.1067 | +80.1 |
| Low Corr (σ=0.4, ρ=-0.3) | -0.0949 | -0.0984 | +35.3 |
元数据与概览(引言与报告概览)
逐节深度解读
图表深度解读(逐个表格/图形解析)
估值分析(Valuation analysis)
风险因素评估(报告作者识别的风险与潜在影响)
批判性视角与细微差别(审慎客观的评价)
结论性综合(综合要点与可操作见解)
总结声明(简短结语)
参考图像(报告中的关键图)
(结束)
2603.10137.pdf