AI এবং বিশ্বের কঠিন সমস্যাগুলো · গণিত · arXiv · 2026-10-26

ডেরিভেটিভ প্রাইসিংয়ের জন্য শর্তাধীন বণ্টনের ধারাবাহিকতা ও স্তরায়ণ প্রসঙ্গে

মূল শিরোনাম: On the continuity of conditional distributions and stratification for derivative pricing

স্তরবিন্যাস (stratification) মন্টে কার্লো এস্টিমেটরের ভেরিয়েন্স কমায়, কিন্তু এর সুবিধা নির্ভর করে একটি ভালো নিম্ন-মাত্রিক স্তরবিন্যাস ফ্যাক্টর বেছে নেওয়ার ওপর, যা জটিল ধারাবাহিক-সময়ের মডেলে খুঁজে পাওয়া কঠিন। লেখকেরা সমানুপাতিক বণ্টনের অধীনে ডেরিভেটিভ প্রাইসিংয়ের জন্য নিউরাল নেটওয়ার্ক দিয়ে এমন ফ্যাক্টর তৈরি করার বিষয়টি অধ্যয়ন করেছেন। তাঁরা শর্তাধীন প্রত্যাশা ও বণ্টনের জন্য ধারাবাহিকতার ফলাফল প্রমাণ করেছেন, গ্রহণযোগ্য ফ্যাক্টরের জন্য একটি সার্বজনীন সন্নিকটন উপপাদ্য দিয়েছেন, এবং এই ধারাবাহিকতা তত্ত্বের সীমা নির্দেশ করে এমন পাল্টা উদাহরণ দেখিয়েছেন। একটি constant-maturity-swap range accrual এবং একটি worst-of autocallable-এর ওপর সংখ্যাগত পরীক্ষায়, শেখা ফ্যাক্টরগুলো বিবেচিত সব বেঞ্চমার্কের চেয়ে ভালো ফল করেছে।

মূল লেখা পড়ুন ↗

সব আইটেম →