塞巴斯蒂安·贝克尔（Sebastian Becker）、帕特里克·切里迪托（Patrick Cheridito）、阿诺夫·詹岑（Arnulf Jentzen）。
年份：2019年，数量：20，版本：74，页码：1-25
摘要
本文提出了一种最优停止问题的深度学习方法，它直接从蒙特卡罗样本中学习最优停止规则。因此，它广泛适用于可以有效模拟潜在随机性的情况。我们在三个问题上测试了该方法：百慕大max-call期权的定价、可赎回多障碍反向可转换期权的定价以及分数布朗运动的最优停止问题。在这三种情况下，它都能在计算时间短的高维情况下产生非常准确的结果。
PDF格式
BibTeX公司