Deep Learning for Option Pricing and Implied Volatility Surfaces: A No-Arbitrage Neural Network Approach with a Frontier-Market Transferability Test
Questo studio dimostra che, sebbene le reti neurali consapevole dell'arbitraggio migliorino l'accuratezza del pricing delle opzioni in-sample, esse non riescono a generalizzare verso i mercati di frontiera caratterizzati da scarsità di dati senza un fine-tuning, dove modelli parametrici ricalibrati come l'Heston rimangono più robusti ed efficienti.