Matlab中的DGM代码：利用深度神经网络计算美式看涨期权的高维偏微分方程
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本研究在MATLAB中开发了DGM（Deep Galerkin Method）代码，运用深度神经网络高效求解高维度下的美式看涨期权定价偏微分方程。
MATLAB美式期权定价代码库是一个促进DeepGalerkin算法实验的工具包。要学习解决方案，您可以定义新的偏微分方程（PDE）或常微分方程（ODE），并调用train函数进行训练。需要为您的应用程序设计适当的损失函数的知识。
该库输出了几个有用的信息：
1. 损失函数值：包括用于微分算子和边界条件等的数值。
2. 给定方程的神经网络解决方案。
3. 在训练期间，给定神经网络各层的平均激活值（如Xavier初始化论文中讨论的方法）。
此外，该库还提供了最多7个资产（9个维度）的FreeBoundaryPDE（美式期权定价问题）实现代码。还有一个有限差分MATLAB代码可用于验证结果的准确性。
此存储库还包括两个额外示例：热方程和对流方程。在神经网络训练过程中，可以看到这两个方程的动画效果；即不同层在整个训练过程中的平均激活值变化情况。
要求：
- Python版本3.7.7
- PyTorch版本1.6
如果您有任何合作、建议或问题，请随时联系我（联系方式未在此提供）。
全部评论 (0)
还没有任何评论哟~
