پوشش ریسک عمیق با معیارهای نزدیک به مارتینگل تحت اصطکاک معاملاتی
خلاصه
این پژوهش از یادگیری ماشین برای یافتن معیارهای مارتینگل هم‌ارزِ کمینه در بازارهای شبیه‌سازی‌شده دارای ابزارهای قابل معامله، مانند دارایی نقدی و اختیار معامله روی آن، استفاده می‌کند. این رویکرد را به بازارهای دارای اصطکاک معاملاتی گسترش می‌دهد و به دنبال معیارهای نزدیک به مارتینگل است: تحت این معیارها، قیمت ابزارهای پوشش ریسک درون دامنه خریدوفروش خود مانند مارتینگل رفتار می‌کنند. هدف از حذف روند، جداکردن پوشش ریسک از فرصت‌هایی است که یک استراتژی ممکن است در غیر این صورت برای آربیتراژ آماری به کار گیرد.
معیارهای حاصل برای آموزش پوشش ریسک عمیق در برابر پرداخت‌های نامتعارف به کار می‌روند تا پوششی ایجاد شود که به‌جای روند شبیه‌ساز، پرداخت و اصطکاک‌های بازار را بازتاب دهد. نویسندگان درباره پایداری پوشش ریسک در برابر خطاهای شبیه‌ساز اصلی بازار بحث می‌کنند و کاربرد آن را در دو شبیه‌ساز شرح می‌دهند. خلاصه ارائه‌شده طراحی شبیه‌سازها، نتایج کمی یا شرایط پایداری را مشخص نمی‌کند؛ بنابراین عملکردی همگانی در بازارها را اثبات نمی‌کند.
ایده‌های کلیدی
- برای برآورد معیارهای مارتینگل هم‌ارزِ کمینه در بازارهای شبیه‌سازی‌شده از یادگیری ماشین استفاده می‌شود.
- در حضور اصطکاک معاملاتی، این روش به دنبال معیارهایی است که تحت آن‌ها قیمت‌ها در دامنه خریدوفروش همچنان مارتینگل بمانند.
- هدف از حذف روند این است که پوشش ریسک آموخته‌شده از آربیتراژ آماری در شبیه‌ساز بهره‌برداری نکند.
- این رویکرد پوشش ریسک عمیق را با استفاده از معیار تعدیل‌شده بازار برای پرداخت‌های نامتعارف به کار می‌گیرد.
- نویسندگان درباره پایداری در برابر خطای برآورد شبیه‌ساز و کاربرد در دو شبیه‌ساز بازار بحث می‌کنند.
برچسب‌ها
متن کامل
# Deep Hedging: Learning to Remove the Drift under Trading Frictions with Minimal Equivalent Near-Martingale Measures # Deep Hedging: Learning to Remove the Drift under Trading Frictions with Minimal Equivalent Near-Martingale Measures We present a machine learning approach for finding minimal equivalent martingale measures for markets simulators of tradable instruments, e.g. for a spot price and options written on the same underlying. We extend our results to markets with frictions, in which case we find "near-martingale measures" under which the prices of hedging instruments are martingales within their bid/ask spread. By removing the drift, we are then able to learn using Deep Hedging a "clean" hedge for an exotic payoff which is not polluted by the trading strategy trying to make money from statistical arbitrage opportunities. We correspondingly highlight the robustness of this hedge vs estimation error of the original market simulator. We discuss applications to two market simulators.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.