[논문 리뷰] Neural Optimal Stopping Boundary

A. Max Reppen, H. Meté Soner외 1명|arXiv (Cornell University)|2022. 05. 09.

Stochastic processes and financial applications인용 수 4

한 줄 요약

이 논문은 신경망 그래프로 경계를 파arameter화하고 흐린 경계 완화를 통해 미분 가능한 최적화를 가능하게 함으로써, 미국형 및 버마디안 옵션의 최적 정지 경계를 직접 계산하는 딥러닝 기반 방법을 제안한다. 이 방법은 블랙-쇼스, 헤스턴, 경로 의존적 룩백 옵션을 포함한 고차원 설정에서도 높은 정확도를 달성하며, 자연스러운 가정 하에 경계 존재성에 대한 이론적 근거를 제공한다.

ABSTRACT

A method based on deep artificial neural networks and empirical risk minimization is developed to calculate the boundary separating the stopping and continuation regions in optimal stopping. The algorithm parameterizes the stopping boundary as the graph of a function and introduces relaxed stopping rules based on fuzzy boundaries to facilitate efficient optimization. Several financial instruments, some in high dimensions, are analyzed through this method, demonstrating its effectiveness. The existence of the stopping boundary is also proved under natural structural assumptions.

연구 동기 및 목표

• 최적 정지 문제에서 계속행동 영역과 정지 영역을 분리하는 정지 경계를 가치 함수에서 간접적으로 유추하는 대신 직접 계산하는 것.
• 경계를 신경망으로 파arameter화함으로써 최적 정지 규칙의 해석 가능하고 기하학적인 특성화를 제공하는 것.
• 이진 정지 결정의 비가속성 문제를 해결하기 위해, 경계 근처에서 확률적으로 정지하는 흐린 경계 공식을 도입하는 것.
• 특히 경로 의존적 파생상품을 포함한 고차원 미국형 및 버마디안 옵션에서 이 방법의 효과성을 입증하는 것.
• 자연스러운 구조적 가정 하에 정지 경계가 연속 함수로서 존재함을 이론적으로 입증하여 방법의 기초를 검증하는 것.

제안 방법

• 정지 경계를 딥 뉴럴 네트워크 함수의 그래프로 파arameter화하여 경계의 형태를 직접 최적화할 수 있도록 한다.
• 흐린 경계 완화를 도입: 경계 근처의 상태는 거리에 비례한 확률로 정지하여 기울기 기반 최적화를 가능하게 한다.
• 보상 함수는 완화된 정지 규칙 하에서의 기대 수익으로 정의되며, 신경망 경계에서의 부호가 있는 거리 함수를 통해 정지 확률이 계산된다.
• 경험적 리스크 최소화를 사용하여 네트워크를 훈련시키며, 보상 함수는 상태 경로의 몬테카를로 시뮬레이션을 통해 계산된다.
• 특히 고차원 설정에서의 샘플 효율성을 향상시키기 위해 중요도 샘플링을 적용한다.
• 학습의 안정성과 수렴 보장을 위해 고정된 흐린 영역 너비 ε를 사용한 Adam 최적화기 사용.

Figure 1 : Stopping region of a max-call option on two symmetric assets. The upper connected component becomes an epigraph through $(\alpha,\Xi)$ .

실험 결과

연구 질문

• RQ1 딥 뉴럴 네트워크는 고차원 최적 정지 문제에서 최적 정지 경계를 효과적으로 근사할 수 있는가?
• RQ2 흐린 경계 완화는 기울기 기반 최적화를 통한 정지 경계 학습의 안정성과 효율성을 보장하는가?
• RQ3 이 방법은 고차원에서 복잡한 금융 파생상품, 예를 들어 버마디안 최대콜 옵션과 룩백 옵션에서 어떻게 성능을 발휘하는가?
• RQ4 어떤 조건에서 정지 경계가 연속 함수로서 존재하며, 이는 이론적으로 어떻게 정당화될 수 있는가?
• RQ5 가치 함수 기반 접근 방식과 비교해 볼 때, 이 방법은 해석 가능하고 기하학적으로 의미 있는 정지 규칙을 제공할 수 있는가?

주요 결과

• 블랙-쇼스 및 헤스턴 모델에서 미국형 풋 옵션의 최적 정지 경계를 성공적으로 계산하였으며, 신뢰구간을 포함한 높은 정확도를 달성하였다.
• 고차원 버마디안 최대콜 옵션에 대해 이 방법은 뛰어난 성능을 보이며, 고차원에서의 딥 경험적 리스크 최소화의 확장 가능성을 확인하였다.
• 경로 의존적 옵션에 대해서도 효과적으로 대응하였으며, 룩백 옵션의 수치 결과를 통해 이를 입증하였다.
• 이론적 분석을 통해 자연스러운 가정 하에 정지 경계의 존재성을 입증하였으며, 경계는 특정 구조 조건을 만족하는 함수의 그래프로 정의된다.
• 흐린 경계 공식은 ε → 0일 때 경험적 보상이 진짜 기대 수익으로 수렴함을 보장하여 완화 접근의 타당성을 입증한다.
• 알고리즘은 위상 일관성을 유지한다: 정지 영역과 계속행동 영역은 잘 분리되어 있으며, 근사 오차가 있을 경우에도 경계는 견고하게 근사된다.

(b) Stopping region through $(\alpha,\Xi)$