026-15 のバックアップ(No.2)


第26回研究会

効率的なDeep Hedgingのためのニューラルネットワーク構造

著者

今木翔太(東京大学), 今城健太郎, 伊藤克哉, 南賢太郎(Preferred Networks), 中川慧(野村アセットマネジメント)

概要

近Deep Hedgingアルゴリズムのための新しいシンプルなニューラルネット構造を提案する。Deep Hedgingは、不完全な市場でのデリバティブの最適なヘッジ戦略を、深層ニューラルネットワークを用いて計算する汎用的な枠組みである。我々の提案するニューラルネットワーク構造は、取引コストの存在下で正確で高速な計算を実現する。本研究が提案するNo-transaction-bandネットワークは、いわゆるNo-transaction-band戦略を導く帰納的バイアスを組み込んでいる。この戦略は、取引コストの下での動的ポートフォリオ最適化の最適戦略として研究されてきた。本研究は、この戦略の最適性を解析的に示し、帰納バイアスの優位性を正当化する。また、提案されたネットワークの効率性を実験的に実証した。その結果、No-transaction-bandネットワークは、より高い効用・より安価な価格を迅速に達成することが示された。

キーワード

金融派生商品, ヘッジ, 深層学習, ニューラルネットワーク

論文

(3月3日以降に公表いたします)

トップ   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS