基于物理信息神经网络的天气衍生品定价研究

基于温度指数的天气衍生品定价研究是一个热点.拟应用物理信息神经网络(PINNs)以求解基于O-U过程的天气衍生品定价偏微分方程,对HDD看跌期权进行了数值模拟.改进了PINNs算法的采样点,调整了梯度下降算法、学习率、迭代次数、权重分配等以加快收敛速度和提升拟合效果.通过与MCMC仿真模拟和单侧有限差分求解方法对比发现基于PINNs的方法具有相当的精度和计算速度,证明了PINNs算法求解天气衍生品定价偏微分方程的可行性.