典型文献
融合机器学习算法的期权定价
文献摘要：
设计了融合参数模型和非参数机器学习模型进行训练的算法,利用非参数模型拟合参数模型,将其作为先验分布,然后采用贝叶斯学习方法进行优化,并在训练中实现分布的动态调整.该方法在训练过程中有助于避免模型参数过度波动,提升模型泛化能力.针对期权定价,在BS、Heston等参数模型及神经网络等机器学习模型基础上,构建了相应的融合模型BS_BR和HS_BR,并利用市场数据进行了实证分析.研究表明,融合模型可以较好地发挥两类模型的优势,无论是在样本内拟合效率,还是样本外预测能力方面都具有更好的表现.
文献关键词：
机器学习;期权定价;参数模型;神经网络;贝叶斯学习
中图分类号：
作者姓名：
周仁才
作者机构：
东方证券股份有限公司,上海 200010
文献出处：
引用格式：
[1]周仁才-.融合机器学习算法的期权定价)[J].系统管理学报,2022(03):476-485
A类：
B类：
机器学习算法,期权定价,机器学习模型,非参数模型,模型拟合,拟合参数,先验分布,贝叶斯学习,训练过程,模型泛化,泛化能力,BS,Heston,融合模型,BR,HS,两类模型,样本外预测,预测能力
AB值：
0.348387
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
