💻 ciencias de la computación

Deeper network methods for solving 3D American Heston-CIR model

Este artículo propone tres métodos de redes más profundas —SoftNet, LinNet y AddNet— que utilizan el ensamble multiplicativo de subredes con reutilización de características, agregación lineal y salidas tempranas para resolver eficazmente el modelo americano 3D de Heston-CIR, mitigando al mismo tiempo el desvanecimiento de gradientes y la degradación del rendimiento en arquitecturas profundas.

Autores originales: Chinonso Nwankwo, Weizhong Dai

Publicado 2026-10-22

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Chinonso Nwankwo, Weizhong Dai

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de las finanzas, predecir el precio futuro de un activo es un juego de alta apuesta basado en la probabilidad. Los inversores y los bancos dependen de complejos modelos matemáticos para determinar el valor de las opciones, que son contratos que otorgan el derecho a comprar o vender algo a un precio específico en una fecha determinada. Uno de los desafíos más difíciles en este campo es la valoración de las opciones "americanas". A diferencia de sus contrapartes europeas, que solo pueden ejercerse en una única fecha específica, las opciones americanas pueden ejercerse en cualquier momento antes de su vencimiento. Esta flexibilidad crea un objetivo móvil: el modelo debe calcular constantemente no solo el valor de la opción, sino también el momento exacto en que resulta más rentable retirar las ganancias. Este momento crítico se conoce como la frontera de ejercicio temprano. Cuando el modelo involucra múltiples factores cambiantes —como el precio del activo, la volatilidad de ese precio y las tasas de interés fluctuantes—, el problema se convierte en un rompecabezas tridimensional que es notoriamente difícil de resolver con los métodos informáticos tradicionales.

Durante décadas, los científicos han recurrido a la inteligencia artificial, específicamente al aprendizaje profundo (deep learning), para abordar estos complejos rompecabezas. Estos programas informáticos, conocidos como redes neuronales, están diseñados para aprender patrones a partir de datos mediante la acumulación de capas de unidades de procesamiento. Cuanto más profunda sea la pila, más complejos son los patrones que la red puede, teóricamente, comprender. Sin embargo, un problema persistente ha plagado a estas redes profundas: a medida que crecen en altura, a menudo se vuelven inestables. Las señales utilizadas para enseñar a la red pueden desvanecerse o explotar en magnitud antes de alcanzar las capas superiores, lo que provoca que el sistema no aprenda nada útil. Este fenómeno, a menudo llamado el efecto de desvanecimiento del gradiente (vanishing gradient effect), ha limitado históricamente qué tan profundas podían ser estas redes, especialmente para los problemas no lineales e intrincados que se encuentran en las matemáticas financieras.

En un estudio reciente, los investigadores Chinonso Nwankwo y Weizhong Dai se propusieron romper esta barrera. Se centraron en un modelo financiero específico y altamente complejo llamado modelo Heston-CIR americano, que rastrea tres partes móviles simultáneamente: el precio del activo, su volatilidad y la tasa de interés. Su objetivo era diseñar un nuevo tipo de red neuronal que pudiera entrenarse eficazmente con muchas más capas de las que jamás se habían utilizado, permitiéndole capturar los comportamientos sutiles e irregulares del mercado sin colapsar bajo su propia complejidad. En lugar de simplemente apilar más capas unas sobre otras, inventaron tres estrategias arquitectónicas distintas, a las que denominaron SoftNet, LinNet y AddNet. Estos nuevos diseños fueron creados para sortear las limitaciones que anteriormente habían impedido que las redes profundas funcionaran en tareas tan difíciles.

Los investigadores comenzaron probando los límites de las redes estándar y convencionales. Descubrieron que cuando intentaban utilizar un diseño tradicional con solo trece capas ocultas, la red funcionaba deficientemente. No lograba predecir con precisión el valor de las opciones ni el punto en el que deberían ejercerse. Cuanto más profunda era la red, peor se volvía, confirmando que el enfoque estándar estaba chocando contra un muro. Para solucionar esto, el equipo introdujo sus tres nuevos métodos. El primero, SoftNet, funciona dividiendo la red en bloques más pequeños y conectándolos de una manera que permite reutilizar y compartir la información de manera eficiente, de forma muy similar a un tren donde cada vagón pasa su carga al siguiente mientras mantiene su propia carga. Este diseño permitió que la red creciera en profundidad sin perder la señal. El segundo método, AddNet, adopta un enfoque diferente al crear múltiples "salidas tempranas" dentro de la red. En lugar de obligar a que cada pieza de información viaje hasta el final, la red toma decisiones parciales en varias etapas y las combina al final. Esto asegura que, incluso si las capas más profundas tienen dificultades, las capas anteriores y más superficiales sigan aportando conocimientos valiosos.

El tercer diseño, y el más eficiente, es LinNet, que combina lo mejor de ambos mundos. Utiliza un sistema de suma de unidades lineales antes de pasarlas por bloques de procesamiento especializados. Esta estructura evita que el costo computacional explote a medida que la red se hace más profunda, lo que la hace altamente eficiente. Los investigadores llevaron a LinNet a una profundidad extrema, entrenándola con hasta cien capas ocultas. Sorprendentemente, a diferencia de las redes convencionales que fallaron a las trece capas, LinNet mantuvo una alta precisión incluso a esta profundidad extrema. Los resultados mostraron que estas nuevas arquitecturas podían predecir el valor de las opciones y la frontera de ejercicio temprano con un nivel de precisión que igualaba o superaba a los métodos matemáticos establecidos y altamente respetados. Las redes mapearon con éxito las superficies complejas de los datos financieros, incluyendo las derivadas sensibles conocidas como "Griegas", que miden cómo reacciona el precio de la opción ante pequeños cambios en el mercado.

Un hallazgo clave del estudio fue que estas nuevas redes lograron su éxito sin depender de las redes de seguridad habituales que los expertos en aprendizaje profundo utilizan típicamente para prevenir errores, tales como el dropout o la normalización por lotes (batch normalization). Los investigadores demostraron que la forma específica en que estructuraron las capas —utilizando funciones de activación especiales y ensamble multiplicativo— fue suficiente para mantener la estabilidad de la red. También descubrieron que, al concentrar sus datos de entrenamiento en las áreas más difíciles del problema, específicamente cerca de los límites donde el comportamiento del mercado es más errático, las redes aprendieron de manera mucho más rápida y precisa. El estudio conclcó que, mientras que el aprendizaje profundo estándar choca con un muro alrededor de las trece capas para este tipo de problema, las nuevas arquitecturas SoftNet, AddNet y LinNet pueden ser mucho más profundas, siendo LinNet particularmente robusta y eficiente. Este trabajo sugiere que, al repensar cómo se construyen las redes neuronales, en lugar de simplemente hacerlas más grandes, los científicos pueden resolver algunos de los problemas más obstinados de la modelación financiera, abriendo la puerta a una valoración más precisa para instrumentos financieros complejos del mundo real.

Resumen Técnico: Métodos de Redes Profundas para Resolver el Modelo Americano Heston-CIR 3D

Planteamiento del Problema
El artículo aborda el desafío de resolver el modelo americano Heston-CIR tridimensional, una compleja ecuación diferencial parcial (PDE) financiera que involucra una frontera libre (la frontera de ejercicio anticipado). El modelo incorpora tres factores estocásticos: el precio del activo subyacente ( $S$ ), la varianza ( $\upsilon$ ) y la tasa de interés ( $r$ ). El objetivo es aproximar simultáneamente la función de valor ( $V$ ), la frontera de ejercicio anticipado ( $\hat{s}_f$ ) y las "Griegas" (derivadas de la función de valor).

Los autores identifican una limitación crítica en los enfoques de aprendizaje profundo convencionales para esta tarea específica: las Redes Neuronales Profundas (DNN) convencionales con unidades softmax sufren de degradación del rendimiento, sobreajuste y el efecto de desvanecimiento del gradiente cuando la profundidad de la red supera aproximadamente las 13 capas ocultas. Si bien arquitecturas como DenseNet y ResNet han tenido éxito en la clasificación de imágenes, su aplicación directa a problemas de regresión no lineales en modelos financieros de alta dimensión ha demostrado ser inadecuada, particularmente al tratar con las singularidades e irregularidades que se encuentran cerca de la frontera de ejercicio anticipado.

Metodología
Para superar las limitaciones de las DNN convencionales, los autores proponen tres nuevas arquitecturas de red: SoftNet, LinNet y AddNet. Los tres modelos utilizan una estrategia de "ensamble multiplicativo", combinando una subarquitectura principal profunda con subarquitecturas de apoyo superficiales para satisfacer exactamente las condiciones terminales.

SoftNet (Reutilización de Características mediante Concatenación):
- Estructura: Consta de una primera subarquitectura profunda y una segunda subarquitectura superficial (dos capas ocultas).
- Mecanismo: La primera subarquitectura está construida mediante "bloques softmax" (subredes con activación softmax). Emplea la reutilización de características mediante la concatenación de conexiones de atajo entre estos bloques, inspirado en DenseNet pero adaptado para la regresión.
- Diseño: La entrada a cada bloque softmax subsiguiente (desde el tercer bloque en adelante) es la concatenación de las características de entrada originales y las salidas de los bloques anteriores. También se introduce una variante modular, M-SoftNet, que utiliza múltiples vías con diferentes estrategias de reutilización de características (densa, parcial y ninguna) que se concatenan antes del ensamble final.
AddNet (Salidas Tempranas y Multi-Mezcla):
- Estructura: Diseñada para ser eficiente en recursos, utilizando salidas tempranas (exits locales) desde capas intermedias de la arquitectura principal profunda.
- Mecanismo: La red genera $n$ soluciones de aprendizaje profundo de mezcla única. Cada solución se forma mediante el ensamble multiplicativo de una salida de una "salida local" (o la capa final) de la arquitectura principal con las salidas de dos subarquitecturas de apoyo superficiales.
- Ensamble: Estas $n$ soluciones se ensamblan aditivamente con pesos adaptativos ( $\hat{\pi}_j$ ). Los autores proponen una estrategia de ponderación adaptativa donde las salidas locales más superficiales reciben pesos más altos a medida que la profundidad de la red aumenta, mitigando el impacto del desvanecimiento del gradiente en las capas más profundas.
LinNet (Agregación de Unidades Lineales):
- Estructura: La más eficiente de las tres, diseñada para entrenar con una profundidad extrema (hasta 100 capas ocultas).
- Mecanismo: En lugar de concatenar características (lo que aumenta el ancho y el costo computacional), LinNet utiliza la agregación sistemática de unidades lineales. Alterna entre "bloques softmax" y "unidades de agregación" donde las salidas lineales se suman antes de pasar al siguiente bloque softmax.
- Estabilidad: Los autores argumentan que la función de activación softmax actúa como un mecanismo de clasificación que controla el crecimiento de las unidades lineales combinadas, asegurando la estabilidad numérica sin necesidad de técnicas de regularización explícitas como el dropout o la normalización por lotes (batch normalization).

Contribuciones Clave

Innovación Arquitectónica: La propuesta de tres arquitecturas de red profunda distintas (SoftNet, LinNet, AddNet) diseñadas específicamente para resolver problemas de valoración de opciones americanas 3D, yendo más allá de los enfoques estándar basados en CNN o las DNN convencionales.
Mitigación del Desvanecimiento del Gradiente: Los diseños esquivan con éxito el efecto de desvanecimiento del gradiente que afecta a las DNN convencionales más allá de las 13 capas. Los autores demuestran que mientras las DNN estándar fallan a la profundidad 13, sus modelos propuestos mantienen la precisión predictiva a profundidades de 25, 35, 52 e incluso 100 capas (específicamente para LinNet).
Imposición Exacta de la Condición Terminal: Todos los modelos incorporan una capa de ensamble multiplicativo con una segunda subarquitectura superficial diseñada para asegurar que las condiciones terminales (por ejemplo, $V=0$ al vencimiento) se satisfagan de forma exacta, eliminando los términos de sesgo de las capas ocultas.
Manejo de Singularidades: La metodología incluye una estrategia de estiramiento de la rejilla (grid stretching) utilizando la función seno hiperbólico para concentrar los puntos de muestreo cerca de la singularidad en $(0,0,0,0)$ , donde la frontera de ejercicio anticipado presenta irregularidades.

Resultos Experimentales
Los modelos fueron probados en el modelo americano Heston-CIR 3D con parámetros que incluyen variaciones en precios de ejercicio ( $K$ ), vencimientos ( $T$ ) y rangos de volatilidad/tasas de interés.

Rendimiento vs. Profundidad: Las DNN convencionales (C-DNN) con 13 capas ocultas produjeron resultados pobres (por ejemplo, errores en la función de valor > 9.0 frente a una referencia de ~1.36). En contraste, SoftNet, AddNet y LinNet con 13 o más capas produjeron resultados consistentes con métodos numéricos establecidos (Boyarchenko & Levendorskii, Medvedev & Scaillet, Longstaff & Schwartz).
Eficiencia de LinNet: LinNet demostró la mayor eficiencia, logrando un rendimiento predictivo razonable con hasta 100 capas ocultas. Requirió el menor tiempo de entrenamiento y predicción en comparación con SoftNet y AddNet.
Precisión: Los modelos predijeron con precisión la función de valor, la frontera de ejercicio anticipado y las Griegas (Delta, Gamma, Vega, Rho, Vanna, Vomma). Las superficies predichas fueron suaves y las Griegas se situaron dentro de los límites teóricos esperados (por ejemplo, Delta en $[-1, 0]$ para puts).
Sensibilidad del Conjunto de Datos: Los experimentos mostraron que aumentar el tamaño del conjunto de datos de entrenamiento (de $10^4$ a $14^4$ puntos) generalmente mejoró el rendimiento, particularmente para M-SoftNet-10.

Significancia y Reivindicaciones
El artículo afirma que el trío de redes propuesto (SoftNet, LinNet, AddNet) ofrece una solución viable para entrenar redes neuronales profundas en PDEs financieras complejas de alta dimensión donde las arquitecturas convencionales fallan.

LinNet se destaca como la solución más eficiente, capaz de entrenar con 100 capas ocultas sin regularización, lo que la hace adecuada para entornos con recursos limitados y tareas extremadamente profundas.
SoftNet y AddNet proporcionan estrategias alternativas (reutilización de características y salidas tempranas, respectivamente) que también mitigan el desvanecimiento del gradiente, aunque SoftNet incurre en mayores costos computacionales debido a la concatenación.
Los autores señalan modestamente que, si bien sus modelos funcionan bien sin regularización, la inclusión de técnicas como dropout o normalización por lotes podría mejorar aún más la generalización para tareas de dimensiones superiores y mayor complejidad. Posicionan este trabajo como una base para futuras investigaciones sobre la parametrización completa de modelos de valoración americanos que involucren matrices de correlación y dimensiones más altas.

Más como este