Conformal Calibration of Statistical Confidence Sets
本文提出TRUST和TRUST++两种方法，利用模拟数据校准统计置信集，实现无分布条件覆盖，在小样本下优于现有方法，弥合保形预测与统计推断的差距。
2025-09-25 stat.ME stat.ML
Learning to Defer to Multiple Experts: Consistent Surrogate Losses, Confidence Calibration, and Conformal Ensembles
University of Amsterdam（阿姆斯特丹大学）；Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
我们研究了学习推迟（L2 D）多个专家的统计特性。特别是，我们解决了开放的问题，得出一致的替代损失，信心校准，和原则的专家。首先，我们推导出两个一致的替代项-一个基于softmax参数化，另一个基于one-vs-all（OvA）参数化-分别类似于Mozannar和Sontag（2020）以及Verma和Nalisnick（2022）提出的单个专家损失。然后我们研究了框架估计P（m_j = y）的能力|x），第j个专家将正确预测x的标签的概率。理论表明，基于softmax的损失会导致错误校准在估计值之间传播，而基于OvA的损失不会（尽管在实践中，我们发现存在权衡）。最后，我们提出了一个共形推理技术，选择一个子集的专家查询时，系统推迟。我们对星系，皮肤病变和仇恨言论分类的任务进行经验验证。
2023-02-23 cs.LG stat.ML
Efficient and robust calibration of the Heston option pricing model for American options using an improved Cuckoo Search Algorithm
本文提出了一种改进的布谷鸟搜索算法，用于美式期权的赫斯顿定价模型的有效和鲁棒校准。像赫斯顿这样的随机波动率模型的校准比经典的期权定价模型要困难得多，因为需要估计更多的参数。本文的主要目标是将这些模型中的一个模型校准到美国看跌期权数据。数值结果证实了所选择的方法来解决这个问题的适用性。
2015-07-31 cs.NE q-fin.PR
Deep learning calibration of option pricing models: some pitfalls and solutions
人工智能，机器学习和计算机行业领域的最新进展导致了使用这些技术解决科学和工业中复杂任务的持续繁荣。当然，金融业和金融数学也是如此。在本文中，我们考虑了一个经典的金融数学-校准的期权定价模型的市场数据，因为它最近引起了一些金融社会的关注，在深度学习和人工神经网络的背景下。我们强调了现有方法中的一些缺陷，并提出了提高性能和校准精度的解决方案。我们还解决了一个问题的无套利定价时，使用一个训练的神经网络，目前被忽略的文献。
2019-06-08 q-fin.CP q-fin.PR
Supervised Deep Neural Networks (DNNs) for Pricing/Calibration of Vanilla/Exotic Options Under Various Different Processes
Shanghai Advanced Institute of Finance（上海高级金融学院）；Orient Securities（东方证券）；Cubist Systematic Strategies（库比斯特系统策略公司）
我们应用有监督的深度神经网络（DNN）对具有和不具有随机波动率的扩散和纯跳跃过程下的普通期权和奇异期权进行定价和校准。我们训练我们的神经网络模型在不同的层数，每层的神经元，和各种不同的激活函数，以找到哪些组合更好地工作经验。对于训练，我们考虑各种不同的损失函数和优化例程。我们证明，与常用的期权定价方法相比，深度神经网络以指数方式加快了期权定价，从而使校准和参数估计超快。
2019-02-15 cs.LG q-fin.PR
Local Variance Gamma and Explicit Calibration to Option Prices
在某些期权市场（如商品），期权上市时每个标的只有一个到期日。在其他情况下（如股票、货币），期权列出了多个到期日。本文给出了一个校准纯跳马尔可夫鞅模型的算法，使之与多执行价和多到期日的欧式期权的市场价格相匹配。该算法只需要解几个一维求根问题，以及初等函数的应用。我们展示了如何构建一个时间齐次过程，满足一个微笑，和分段时间齐次过程，可以满足多个微笑。
2014-01-31 math.AP math.PR q-fin.PR
Calibration and Filtering of Exponential Lévy Option Pricing Models
最小二乘校准使用期权溢价和粒子过滤的价格数据，以找到模型参数的准确性是确定的。使用指数Lévy过程的导数模型使用正则化加权最小二乘关于最小熵鞅测度进行校准。将序贯重要性回归用于时间序列参数估计的贝叶斯推断问题，建议分布由扩展卡尔曼滤波器确定。该算法收敛到各自的全局最优值，使用高度并行化的统计优化方法，使用网格的初始位置。这些方法中的每一个都应该产生相同的参数。我们调查这个断言。
2017-05-13 q-fin.PR
Heston Stochastic Vol-of-Vol Model for Joint Calibration of VIX and S&P 500 Options
一个简约的推广赫斯顿模型提出的波动率的波动率被假定为随机的。我们遵循Fouque et al（2011，CUP）的扰动技术，推导出股票期权价格及其波动率指数的一阶近似。这种近似是由赫斯顿的准封闭公式和它的一些希腊人给出的。它可以非常有效地计算，因为它只需要计算傅立叶积分和简单的ODE系统的解决方案。利用标准普尔500指数和波动率指数对模型进行了检验。
2017-06-02 q-fin.PR
Efficient Pricing and Calibration of High-Dimensional Basket Options
本文研究了股票篮子期权，即，多维衍生工具，其回报取决于基础股票的加权总和的价值-并开发了一种新的创新方法，以确保个股期权和包含它们的指数之间的一致性。具体来说，我们将展示如何解决一个众所周知的问题，即当股票指数的个别成分分布推断出从单一股票期权市场，并结合在一个多维的本地/随机波动率模型，由此产生的篮子期权价格不会产生一个斜匹配的股票指数对应的篮子的期权。为了解决这个“偏度不足”的问题，我们分两步进行。首先，我们提出了一个“有效的”本地波动率模型，通过映射到一个集合的边际分布的一般多维篮子。其次，我们建立了一个多变量之间的依赖结构的所有边缘分布假设跳跃扩散模型的有效投影参数，并显示如何校准篮子指数微笑。数值测试和校准练习证明了一个非常适合一篮子多达30个股票与快速计算时间。
2022-06-20 q-fin.CP q-fin.PM q-fin.PR
Fast calibration of two-factor models for energy option pricing
能源公司需要有效的程序来执行商品随机模型的市场校准。如果选择Black框架进行期权定价，市场校准的瓶颈是资产方差的计算。能源商品一般用多因素线性模型表示，其方差服从矩阵李雅普诺夫微分方程。在本文中，分析和数值方法推导出的方差进行了讨论：李雅普诺夫方法被证明是更简单的比特设衍生文献中发现，可以很容易地扩展到高维模型。一个案例研究中，两个因素的均值回复模型的方差被嵌入到布莱克公式和模型参数校准上市期权。分析和数值方法进行了比较，表明前者使校准速度提高了14倍。所提出的方法的Python实现可作为GitHub上的开源软件提供。
2020-12-21 q-fin.PR
The Heston stochastic volatility model with piecewise constant parameters - efficient calibration and pricing of window barrier options
Heston随机波动率模型是用于评估金融衍生品的标准模型，因为它可以使用半分析公式进行校准，并且捕获了金融衍生品市场的最基本结构，在时间方向上具有简单的结构。然而，将模型扩展到时间依赖参数的情况下，这将允许在多个时间点对市场进行参数化，证明更具挑战性。我们提出了一个简单和数值有效的方法来校准的赫斯顿随机波动率模型与分段常数参数。我们表明，半解析公式也可以在这种更复杂的情况下推导出来，并将它们与赫斯顿模型的计算技术的最新进展。我们的数值方案是基于计算的特征函数，使用高斯-克朗罗德积分与一个额外的控制变量，稳定的数值积分。我们使用我们的方法来校准的赫斯顿模型与分段常数参数的外汇（FX）期权市场。最后，我们证明了改进的Heston模型与分段常数参数的标准Heston模型在选定的情况下。
2019-01-26 q-fin.CP q-fin.PR
Calibration and Option Pricing with Stochastic Volatility and Double Exponential Jumps
本文研究了带双指数跳动的随机波动率模型在期权定价中的应用，证明其在短期隐含波动率拟合和奇异期权定价上优于同类模型，且参数具经济学意义。
2025-09-15 q-fin.PR
Efficient and Accurate Calibration to FX Market Skew with Fully Parameterized Local Volatility Model
本文提出完全参数化局部波动率模型，通过网格或蒙特卡洛方法高效准确校准外汇市场偏斜波动率，为美式和亚式等奇异期权提供满足无套利要求的可靠定价。
2023-04-21 q-fin.PR
Analytic Calibration in Andreasen-Huge SABR Model
推导出了Andreasen-Huge型SABR模型中的$α$、$ν$和$ρ$参数与ATM价格以及接近ATM的四次执行价格之间的解析关系式。基于这些公式，我们给出了一个特征的SABR参数的衍生物的互换利率远期概率密度函数。并将分析结果应用于利率期货期权市场进行了检验。
2021-02-01 math.PR q-fin.CP q-fin.MF
Detecting and repairing arbitrage in traded option prices
期权价格数据被用作模型校准、风险中性密度估计和许多其他金融应用的输入。期权价格数据中套利的存在可能导致这些任务的性能不佳甚至失败，因此需要对数据进行预处理以消除套利。相关文献中的大多数注意力都集中在数据的无仲裁平滑和滤波（即去除）上。与通常会改变几乎所有数据的平滑或截断数据的过滤相反，我们建议仅通过必要的和最小的更改来修复数据。我们制定的数据修复作为一个线性规划（LP）的问题，无套利关系的约束，目标是最小化价格的变化，在他们的出价和卖价的界限。通过实证研究，我们表明，所提出的套利修复方法给出稀疏扰动的数据，并快速应用于现实世界中的大规模问题，由于LP制定。此外，我们表明，通过我们的修复方法从价格数据中去除套利可以提高模型校准，增强鲁棒性并减少校准误差。
2020-08-21 q-fin.CP q-fin.PR
An Analysis of the Heston Stochastic Volatility Model: Implementation and Calibration using Matlab
Comisión Nacional del Mercado de Valores (CNMV)（西班牙国家证券市场委员会）
本文分析了Heston模型的实现与校准，通过特征函数估计期权价格，并展示简单方法可快速准确计算欧式期权价格，同时通过局部和全局优化进行校准测试，证明简单设置能获得良好校准结果。
2015-03-17 cs.NA math.NA math.PR
Smart expansion and fast calibration for jump diffusion
利用Malliavin演算技术，我们得到了一个解析的欧式期权的价格公式，对于任何模型，包括局部波动率和泊松跳跃过程。我们表明，该公式的准确性取决于支付函数的光滑性。我们的方法依赖于小扩散和小跳跃频率/大小相关的渐近展开。我们的公式具有很好的精度（对于不同的执行价格和到期日，看涨期权的隐含Black-Scholes波动率误差小于2 bp）。此外，模型校准变得非常迅速。
2008-09-30 math.PR q-fin.PR
Pricing and Calibration of VIX Derivatives in Mixed Bergomi Models via Quantisation
本文在混合单因子和双因子Bergomi模型中应用向量量化方法，实现了对VIX期货和期权的高效定价与市场数据校准，数值测试表明两模型均具优异拟合精度与参数稳定性。
2025-06-29 q-fin.PR
Second Order Multiscale Stochastic Volatility Asymptotics: Stochastic Terminal Layer Analysis & Calibration
多尺度随机波动率模型是研究波动率随机变化对衍生品定价和投资组合优化影响的有效方法。Fouque，Papanicolaou，Sircar and Sølna（2011，CUP）在最近出版的一本书中分析了标的资产的波动性受两种扩散驱动的模型--一种是快速均值回复，另一种是缓慢变化，并为欧式期权价格和隐含波动率曲面提供了一阶近似，该曲面根据市场数据进行了校准。在这里，我们提出了完整的二阶渐近，这是相当复杂的，由于终端层附近的期权到期时间。我们发现，到二阶，隐含波动率近似依赖于对数货币二次，捕捉数据中看到的隐含波动率曲线的凸性。我们引入了一种新的概率方法来推导二阶奇异摄动项所需的终端层分析，并校准到S&P 500期权数据。
2015-09-16 q-fin.CP q-fin.GN q-fin.PR
Accuracy of Deep Learning in Calibrating HJM Forward Curves
我们在商品市场上的远期合约，我们的模型与无限维Heath-Jarrow-Morton（HJM）的方法写的欧式期权定价。为此，我们引入了一类新的状态相关波动率算子，将平方可积噪声映射到前向曲线的Filipović空间。为了校准，我们指定了一个完全参数化的版本，我们的模型和训练神经网络近似的真实期权价格作为模型参数的函数。然后，该神经网络可以用于根据观察到的期权价格来校准HJM参数。我们进行了数值案例研究的基础上，人工生成的期权价格在确定性波动率设置。在这种情况下，我们推导出封闭的定价公式，使我们能够对基于神经网络的校准方法进行基准测试。我们还研究了在流动性不足的市场中的校准与一个大的买卖价差。实验表明，在恢复校准后的价格的准确性很高，即使原来的意义的模型参数是部分丢失的近似步骤。
2021-05-06 q-fin.MF q-fin.PR
A simple time-consistent model for the forward density process
本文提出了一个简单的模型，为未来价值的资产的远期密度的演变。该模型允许一个简单的初始校准期权价格，并具有动态的期权价格数据的实证研究结果是一致的。该模型的目的是既简单又现实，并避免频繁的重新校准的需要。将$n$期权和远期合约的模型价格表示为$(n+1)$维布朗运动的时变函数，并研究了如何由价格过程的轨迹确定布朗运动轨迹.提出了一种基于粒子滤波的方法，用于从离散时间的期权价格观测值中确定驱动布朗运动的位置。通过对标准普尔500指数看涨期权的模拟研究和实证研究表明，该模型能很好地拟合期权价格数据。
2013-01-21 q-fin.PR
