Deep Learning Algorithms for FBSDEs with Jumps: Applications to Option Pricing and a MFG Model for Smart Grids - C. Alasseur, Z. Bensaid, R. Dumitrescu, X. Warin

Les auteurs développent plusieurs algorithmes numériques d'apprentissage profond pour des systèmes couplés de type forward-backward d’équations différentielles stochastiques à sauts. Pour évaluer la performance de solveurs, plusieurs expériences numériques sont réalisées. Cette méthode est appliquée à: (1) l'évaluation des produits dérivés dans des modèles à sauts  et (2) à la résolution d'un système forward-backward multidimensionnel couplé, dirigé par un processus de Cox, qui caractérise l'équilibre de Nash pour un  modèle de smart grid de type « jeux à champ moyen ».  En particulier, les auteurs montrent l'efficacité de différents solveurs pour résoudre des systèmes dirigés par des processus à sauts inhomogènes en temps avec intensité stochastique.