Robust Operator Learning to Solve PDE - C. Remlinger, J. Mikael & R. Elie

Nous cherchons à résoudre des équations aux dérivées partielles (EDPs) impliquées dans la couverture des risques lorsque l'environnement n'est pas stationnaire. Re-calibrer un modèle de facteurs de risque ou ré-entraîner un modèle pour la résolution chaque fois que les conditions de marché changent est coûteux et insatisfaisant. Reposant sur des réseaux d'opérateurs profonds, notre modèle apprend les solutions d'une famille d'EDPs avec un unique apprentissage, et généralise à des conditions qui n'étaient pas présentes lors de l'entraînement. Nous évaluons notre DeepOHedger pour la couverture d'options, incluant des modèles de volatilité locale et des options spread impliquées dans les marchés de l'énergie.