用于参数化随机波动率定价的结构化条件神经求解器 BeTINN

研究人员提出结构化条件神经架构 BeTINN，通过多向时间-参数条件调制和联合残差通路求解参数化偏微分方程。在具有混合导数与一阶、二阶敏感度的 Heston 随机波动率模型测试中，BeTINN 在归一化期权价值和关键敏感度指标上的联合精度均优于基线模型。研究同时发现，精确的解值可能与局部导数误差并存，因此需要引入导数感知评估。