AI اور دنیا کے مشکل مسائل · ریاضی · arXiv · 2026-10-26

ڈیریویٹو پرائسنگ کے لیے مشروط تقسیموں کے تسلسل اور اسٹریٹیفکیشن پر

اصل عنوان: On the continuity of conditional distributions and stratification for derivative pricing

اسٹریٹیفکیشن مونٹی کارلو تخمینہ کار کے تغیر کو کم کرتی ہے، لیکن اس کا فائدہ ایک اچھے کم ابعادی اسٹریٹیفکیشن فیکٹر کے انتخاب پر منحصر ہے، جسے پیچیدہ مسلسل وقتی ماڈلز میں تلاش کرنا مشکل ہے۔ مصنفین متناسب تخصیص کے تحت ڈیریویٹو قیمت کاری کے لیے نیورل نیٹ ورکس سے ایسے فیکٹرز بنانے کا مطالعہ کرتے ہیں۔ وہ مشروط توقعات اور تقسیموں کے لیے تسلسل کے نتائج ثابت کرتے ہیں، قابلِ قبول فیکٹرز کے لیے عالمگیر تخمین کا مسئلہ (universal approximation theorem) پیش کرتے ہیں، اور ایسی مخالف مثالیں دکھاتے ہیں جو اس تسلسل کی نظریے کی حدود کی نشاندہی کرتی ہیں۔ constant-maturity-swap رینج ایکروئل اور worst-of آٹوکالایبل پر عددی تجربات میں، سیکھے گئے فیکٹرز نے زیر غور تمام بینچ مارکس سے بہتر کارکردگی دکھائی۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →