RFS：机器学习在连续时间金融中的应用

文章预览

本期推荐一篇最新发表在RFS的论文《机器学习在连续时间金融中的应用》。在金融领域，动态规划是研究投资者、管理者等经济主体决策行为的重要工具，但传统方法在处理高维状态空间时面临“维度的诅咒”，即随着状态变量数量的增加，计算时间和内存需求呈指数级增长，极大地限制了模型的复杂性和适用性。为了解决这一问题，本文提出了一种基于机器学习的新型算法——深度策略迭代（DPI）算法，旨在探索如何高效地解决高维非线性连续时间金融模型中的动态规划问题。 该研究旨在探讨如何利用深度学习技术克服传统方法在高维状态空间中的计算瓶颈，从而能够处理更为复杂的经济环境和更为丰富的模型设定。研究方法的核心在于结合深度神经网络、伊藤引理以及自动微分技术。具体而言，通过深度神经网络来近似价值函数和策略函数， ………………………………