Deep Learning for Option Pricing and Implied Volatility Surfaces: A No-Arbitrage Neural Network Approach with a Frontier-Market Transferability Test
Cette étude démontre que si les réseaux de neurones sensibles à l'arbitrage améliorent la précision de l'évaluation des options en échantillon, ils ne parviennent pas à se généraliser aux marchés frontières où les données sont rares sans un ajustement fin, là où des modèles paramétriques recalibrés comme le modèle de Heston demeurent plus robustes et efficaces.