Deep Learning Option Pricing with Market Implied Volatility Surfaces
本研究提出一个深度学习框架,利用变分自编码器压缩市场隐含波动率曲面,结合多层感知机高效定价美式和亚式期权,精度高且可扩展。
2025-09-07 q-fin.CP
Valuation of European Options under an Uncertain Market Price of Volatility Risk
我们提出了一个模型来量化参数的不确定性对赫斯顿模型中的期权价格的影响。更确切地说,我们提出了一个汉密尔顿-雅可比-贝尔曼框架,使我们能够评估最好和最坏的情况下,不确定的市场价格波动风险的情况。对于数值近似的哈密顿-雅可比-贝尔曼方程重新制定,使解决方案与有限元方法。蝴蝶选项的案例研究展示了Delta对不确定性大小的依赖是非线性的,并且在参数范围内变化很大。关键词:不确定市场价格,波动风险,哈密顿-雅可比-贝尔曼方程,有限元法,不确定性量化
2021-05-20 q-fin.CP q-fin.PR
Rough volatility dynamics in commodity markets
Intesa Sanpaolo, Financial Engineering(圣保罗银行,金融工程部门);Department of Mathematics and CITIC, Universidade da Coruña(科鲁尼亚大学数学系和CITIC)
本文提出一种通用的粗糙波动模型,用于自动校准期货价格的初始期限结构并处理Samuelson效应。通过理论分析后,重点研究rBergomi和rHeston模型及其对WTI原油期货期权市场数据的校准,并通过数值结果展示所提模型在商品定价中的表现。
2026-03-27 q-fin.CP q-fin.PR
Optimal market completion through financial derivatives with applications to volatility risk
本文在随机波动率(SV)模型的框架下研究了金融衍生金融市场的最优选择问题。我们引入了一个有效的和准确的模拟为基础的方法,适用于广义扩散模型,近似的最佳衍生工具为基础的投资组合策略。我们建立在Escobar-Anel等人(2022)提出的双重优化方法(即期望效用最大化和风险敞口最小化)的基础上;证明扼杀期权是股票期权中市场完成的最佳选择。此外,我们探讨了使用波动率指数衍生品的好处,并得出结论,他们可能是更方便的替代品时,只有长期到期的股票期权。
2022-02-16 q-fin.CP q-fin.PM
Risk of Bitcoin Market: Volatility, Jumps, and Forecasts
加密货币是最具争议,同时也是最有趣的资产,近年来吸引了许多投资者和投机者。加密货币的明显显著市价总值也推动了期货和期权等现代金融工具的发展。这将取决于加密货币的动态、波动性甚至跳跃性。我们从已实现波动率的角度对比特币市场的风险动态进行了全面的调查。比特币市场在波动性,纠缠跳跃和广泛连续跳跃的意义上是非常危险的,这反映了世界范围内的重大事件。实证研究表明,滞后的已实现方差增加了未来的已实现方差,而跳跃,特别是积极的,显着降低未来的已实现方差。样本外预测模型表明,在预测精度和效用收益方面,对长期已实现方差感兴趣的投资者可以从明确建模跳跃和符号估计量中受益,这对于短期已实现方差预测是不必要的。
2021-12-09 q-fin.CP q-fin.RM
Perturbative Expansion of FBSDE in an Incomplete Market with Stochastic Volatility
在这项工作中,我们应用我们新提出的扰动扩展技术的二次增长FBBundle出现在一个不完全的市场与随机波动率,是不完全对冲。结合标准的渐近展开技术的潜在波动率过程,我们得到了明确的表达式的FB的解决方案,直到三阶波动率的波动率,它可以直接转化为最优投资策略。我们比较我们的近似与精确解,这是已知的是由科尔-霍普夫变换在这个流行的设置。结果是非常令人鼓舞的,并显示出良好的精度的近似相当长的到期日。由于我们的新方法可以直接扩展到多维设置,我们预计它将打开真正的可能性,以获得明确的最佳投资组合或对冲策略下现实的假设。
2012-09-06 q-fin.CP q-fin.PR
A time-varying study of Chinese investor sentiment, stock market liquidity and volatility: Based on deep learning BERT model and TVP-VAR model
South China University of Technology(华南理工大学)
基于2018年1月1日至2019年12月31日EastMoney网站深证成指条评论数据。本文利用深度学习BERT模型提取隐含的投资者情绪,并利用TVP-VAR模型研究投资情绪、股票市场流动性和波动性之间的时变联系。结果表明,投资者情绪对股票市场流动性和波动性的影响更强。尽管这种反向影响相对较小,但随着股票市场的状况而更加明显。在所有情况下,短期内的反应比中长期更明显,影响是不对称的,当市场处于螺旋式下降时,冲击更强烈。
2022-05-13 cs.LG q-fin.CP
From Volatility to Variance: A Skew-Enhanced SABR Model and Its Empirical Study in the Chinese Financial Options Market
School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院);International Digital Economy Academy(国际数字经济的学院)
本文提出一种增强偏斜的SABR模型,通过改进资产价格和方差过程的随机动态,提升对复杂波动率微笑模式的拟合能力,并在中国期权市场中进行了实证分析。
2026-03-29 q-fin.CP q-fin.MF
Using Machine Learning and Alternative Data to Predict Movements in Market Risk
近年来,利用机器学习和替代数据预测金融市场一直是一个热门话题。许多金融变量如股票价格、历史波动率、交易量等已经被广泛研究。值得注意的是,我们发现没有现有的研究预测资产的市场隐含波动率在这方面。这一前瞻性指标衡量了人们对资产未来波动性的看法,被认为是衍生品领域最重要的参数之一。因此,预测该统计数据的能力可以为做市和资产管理的从业者提供竞争优势。因此,在本文中,我们调查谷歌新闻统计数据和维基百科网站流量作为替代数据源的定量市场数据,并考虑逻辑回归,支持向量机和AdaBoost作为机器学习模型。我们表明,市场隐含波动率的变动确实可以通过机器学习技术的帮助来预测。虽然所采用的替代数据似乎没有提高预测的准确性,我们揭示了初步证据的非线性关系的功能从维基百科页面流量和市场隐含波动率的变动。
2020-09-16 q-fin.CP q-fin.ST
Volatility derivatives in market models with jumps
有充分的证据表明,一个试图捕捉普通期权市场价格行为的基础资产价格过程模型需要同时表现出扩散和跳跃特征。在本文中,我们假设资产价格过程$S$是马尔可夫与cadlag路径,并提出了一个计划,计算法律的实现方差的日志收益率应计,而资产交易在一个预先指定的走廊。因此,我们得到了一个算法的定价和对冲波动率衍生品和衍生品的交易者实现的方差在这样的市场。考虑中的模型类是大的,因为它包括跳跃扩散和Levy过程。我们证明了该计划的弱收敛性,并详细描述了该算法的特点的情况下,$S$是一个CEV过程(连续轨迹),方差伽玛过程(跳跃与独立增量)或无限活动跳跃扩散(不连续轨迹与依赖增量)的实施。
2009-05-20 q-fin.CP q-fin.PR
From Votes to Volatility Predicting the Stock Market on Election Day
The University of Tokyo(东京大学)
针对选举日市场波动加剧的挑战,提出EDSMF模型,结合大语言模型与专业智能体分析选举政治经济影响,提升标普500指数当日预测性能。
2024-12-15 cs.AI q-fin.CP
The Variable Volatility Elasticity Model from Commodity Markets
在本文中,我们提出并研究了一个新的连续时间模型,著名的常数方差弹性(CEV)模型的基础上,来描述资产价格过程。其基本思想是,从随机分析的角度来看,CEV模型的波动弹性不能被视为常数。针对这一问题,本文从波动弹性的角度推导了资产价格过程,提出了常数波动弹性(CVE)模型,并进一步推导出更一般的变波动弹性(VVE)模型。此外,我们的模型可以描述商品市场波动与资产价格之间的正相关关系,而CEV模型只能描述商品市场波动与资产价格之间的负相关关系。通过对金融市场的实证研究发现,很多资产尤其是商品在某些时间段往往表现出这种正相关现象,这说明我们的模型具有较强的实际应用价值。最后,给出了基于该模型的欧式期权的显式定价公式。该公式形式优美,计算方便,与著名的Black-Scholes公式相似,对衍生品市场的研究具有重要意义。
2022-03-17 q-fin.CP q-fin.GN q-fin.MF
Finding the nonnegative minimal solutions of Cauchy PDEs in a volatility-stabilized market
本文研究波动率稳定市场中的强相对套利问题,利用时间变换的 Bessel 桥提出求解 Cauchy PDE 非负最小解的数值方法与实用算法,并通过示例验证了其有效性。
2025-05-31 math.PR q-fin.CP q-fin.MF
Sanction or Financial Crisis? An Artificial Neural Network-Based Approach to model the impact of oil price volatility on Stock and industry indices
在本文中,我们模拟了国际制裁和制裁后两个时期的油价波动对德黑兰股票指数和工业指数的影响。为了分析研究的目的,我们使用了前馈神经网络。研究时间为2008年至2018年,分为国际能源制裁期间和制裁后两个时期。研究结果表明,前向神经网络对股票市场和行业指数的预测效果较好,说明油价波动对股票和行业指数有显著影响。在制裁后和全球金融危机期间,该模型对行业指数的预测效果较好。此外,油价-股票市场指数预测在国际制裁期间表现较好。这些结果对于金融市场分析师和政策制定者了解哪些因素以及何时影响金融市场具有一定的参考价值,特别是对于伊朗这样一个石油依赖型国家,在国际政治不确定的情况下。关键词:前馈神经网络,工业指数,国际能源制裁,油价波动,德黑兰股票指数
2020-09-11 q-fin.CP q-fin.ST
Variational Autoencoders: A Hands-Off Approach to Volatility
波动率曲面是衍生产品定价和套期保值的重要工具。该曲面显示了资产期权市场价格隐含的波动率,该波动率是期权执行价格和到期日的函数。通常,市场数据是不完整的,有必要估计部分观察表面上的缺失点。在本文中,我们将展示如何变分自动编码器可以用于这项任务。第一步是导出潜在变量,这些潜在变量可用于构建与历史观察结果无法区分的合成波动率曲面。第二步是确定由潜变量生成的合成表面,该表面尽可能接近地拟合可用数据。作为我们第一步的成果,产生的合成表面还可用于压力测试、市场模拟器中以制定量化投资策略以及对奇异期权进行估值。我们说明我们的程序,并证明其权力使用外汇市场数据。
2021-02-07 q-fin.CP q-fin.MF
Volatility Forecasting and Return Prediction under Market Regimes: Evidence from High-Frequency Chinese Equity Data
University of Warsaw(华沙大学)
研究将机制依赖的波动率预测与基于机器学习的收益预测相结合,使用中国高频股指数据构建两阶段框架,发现机制感知的波动率预测优于基准模型,但收益预测仅在低波动机制下有效,且需结合波动率缩放等策略才能提升经济表现。
2026-06-08 q-fin.CP q-fin.MF q-fin.TR
Institutional Backing and Crypto Volatility: A Hybrid Framework for DeFi Stabilization
Istanbul Aydin University(伊斯坦布尔阿伊丁大学)
本研究探讨机构支持的HyFi型加密货币相较于去中心化加密货币具有更低的价格波动风险,并通过实证分析验证了其在市场波动期间的稳定作用。
2025-12-22 q-fin.CP q-fin.RM q-fin.TR