Остаточная коррекция Формулы SSBR Hagan

arXiv: 2605.06604v2 Annuales Type: заменить перекрестное резюме: В настоящем документе предлагается гибридная методология для совершенствования приближения SABR (Stochast Alpha Beta Rho), подразумевающая волатильность путем сочетания аналитической структуры и машинного обучения. Этот подход дополняет представление вводимых нейронных сетей геометрическими характеристиками, полученными на основе стохастических дифференциальных уравнений модели SABR. В отличие от подходов, которые полностью заменяют аналитические формулы моделями черного ящика, предлагаемая рамочная основа сохраняет аналитическую основу модели. Гибридизация осуществляется по двум дополнительным аспектам. Во-первых, в качестве структурированного ввода данных в сеть используются переменные геометрии, отражающие присущие динамике SABR свойства. Во-вторых, нейронная сеть обучена узнавать остаточную ошибку относительно приближения к закрытой форме Хагана, а не имплицитную волатильность. Образцовая модель представляет собой структурную остаточную поправку к аналитической формуле, сохраняя интерпре