비모수 및 머신러닝 모델
스마일에 대한 공식이 없습니다. 이 모델들은 최적화, 신경망, 또는 경로 의존적 규칙을 사용하여 시장 데이터로부터 표면의 형태를 직접 학습합니다.
💡
한눈에 보기
공통점
세 가지 접근법 모두 공식을 강제하는 대신 데이터가 변동성 표면의 형태를 결정하도록 합니다. 학습 방식과 제공하는 보장 측면에서 차이가 있습니다.
세 모델 간의 관계
SANOS는 최적화 기반입니다. 무차익거래 제약을 정확히 만족하면서 시장 가격에 가장 잘 맞는 표면을 찾기 위해 선형계획 문제를 풉니다. 신경망도, 학습도 필요 없이 잘 정의된 볼록 최적화 문제만 있으면 됩니다. Neural SDE는 정반대의 접근법을 취합니다. 신경망이 데이터로부터 변동성 동학을 학습하므로 어떤 폐쇄형 모델도 표현할 수 없는 패턴을 포착할 수 있지만, 무차익거래 여부는 아키텍처에 의존하며 기본적으로 보장되지 않습니다. 경로 의존 변동성은 그 중간에 위치합니다. 실현된 가격 경로를 (시그니처 기법을 통해) 사용하여 현재 변동성을 예측하므로 SANOS에는 없는 동적 해석을 제공하지만, Neural SDE와 같은 무거운 학습 인프라는 필요하지 않습니다.
이 섹션의 모델:
- SANOS — 비모수 무차익거래 표면
- Neural SDE / Deep Hedging — 머신러닝으로 학습한 변동성 동학
- 경로 의존 변동성 — 변동성이 가격 경로를 기억