arXiv 机器学习· Philipp J. Schneider, Lukas Looser, Antoine Garin, Shuhan Liu, Daniel Kuhn·· 2 小时前AI 评分34
面向非平稳市场深度对冲的对抗训练框架 WRAP
Adversarial Training for Deep Hedging in Nonstationary Markets
AI 导读
研究者提出对抗训练框架 WRAP，通过分布鲁棒优化（DRO）解决非平稳市场下深度对冲策略的分布失配问题。该框架结合 $\phi$-散度约束的轨迹重加权与最优传输（OT）路径扰动，利用一阶展开构建出易解的显式有限维对抗攻击。在 Heston 动力学与广义仿射扩散（GAD）实验中，联合对抗训练在非平稳环境下取得了最大性能增益。
来源：arXiv 机器学习 · arxiv.org