新研究用潜空间扩散模型预测隐含波动率曲面轨迹
chaumian · x · 2026-08-25
一篇名为《Arbitrage-Aware Multi-Step Forecasting of Implied Volatility Surfaces》的论文提出了一种条件潜空间扩散框架。该方法用于生成隐含波动率曲面和底层收益率的联合 30 步轨迹预测。研究通过一个无套利自编码器学习低维曲面表示,并利用扩散模型捕捉条件联合演变。在 SPX 数据上的评估显示,该框架在生成逼真的多步概率场景的同时,在点预测上也优于持续性基准。
「研究」频道最新
- LLM 隐性评估用户能力并据此调整答案复杂度 — rohanpaul_ai · 2026-08-25
- 波士顿动力新演示引发机器人学界大讨论 — KyleMorgenstein · 2026-08-25
- Task-CoEvolve:自适应验证任务选择,降低 80% 评估成本 — hal-utokyo · 2026-08-25
- MIT 提出动态压缩机制,解决长上下文模型信息丢失 — burkov · 2026-08-25
- AI 落地物理科学的共同瓶颈:数据与物理反馈回路缺失 — AnneliesGamble · 2026-08-25
- DeepMind 气象 AI 或可提前一天预测破坏性飓风 — CurieuxExplorer · 2026-08-25