KANOP：基于Kolmogorov-Arnold网络的数据高效型期权定价模型

文章预览

这篇论文介绍了一种基于Kolmogorov-Arnold Networks（KANs）的新型期权定价模型，称为KANOP。KANOP模型旨在对美式期权进行定价，它建立在传统的最小二乘蒙特卡洛（LSMC）算法之上。KANs基于Kolmogorov-Arnold表示定理，与传统的多层感知器（MLP）相比，它们是一种数据高效型的选择，可以在较少的隐藏层条件下实现更高的性能。 论文的主要贡献包括： KANOP模型：提出了一种基于KAN的美式期权定价方法，该方法提供了一种可学习的替代方案，用于在LSMC模型中使用的传统的基函数集，允许模型适应定价任务并有效估计预期的继续价值。 性能对比：通过标准美式期权和亚式美式期权的例子，展示了KANOP在单变量情况和涉及多个输入变量的更复杂场景中，都能产生更可靠的期权价值估计。 Delta估计：KANOP模型估算的Delta（期权价格对标的资产价格变动的敏感度）比传 ………………………………