Buchumschlag

Solving the Stock Option Forecast problem by a numerical method for the Black-Scholes Equation with Machine Learning Classification Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Benjamin, Durieux, Matthieu, Golubnichiy, Kirill V.
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Using the Newton-Raphson Method with Automatic Differentiation to Numerically Solve Implied Volatility of Stock Option through Binomial Model
von: Wunkaew, Wanchaloem, et al.
Veröffentlicht: (2022)

Solving Nonlinear Absolute Value Equations
von: Daniilidis, Aris, et al.
Veröffentlicht: (2024)

Stabilization of Integral Difference Equations by Solving a Corona Problem
von: Braun, Adam, et al.
Veröffentlicht: (2026)

Learning to Solve Bilevel Programs with Binary Tender
von: Zhou, Bo, et al.
Veröffentlicht: (2024)

Learning to Solve Optimization Problems Constrained with Partial Differential Equations
von: Guven, Yusuf, et al.
Veröffentlicht: (2025)

Solving moment and polynomial optimization problems on Sobolev spaces
von: Henrion, Didier, et al.
Veröffentlicht: (2024)

Complexity and numerical experiments of a new adaptive generic proximal bundle method
von: Guigues, Vincent, et al.
Veröffentlicht: (2024)

Solving unbounded optimal control problems with the moment-SOS hierarchy *
von: Sehnalová, Karolına, et al.
Veröffentlicht: (2025)

Solving Schrödinger bridge problem via continuous normalizing flow
von: Jing, Yang, et al.
Veröffentlicht: (2025)

Solving bilevel problems with products of upper- and lower-level variables
von: Hajikazemi, Sina, et al.
Veröffentlicht: (2024)

A Learning-Based Inexact ADMM for Solving Quadratic Programs
von: Gao, Xi, et al.
Veröffentlicht: (2025)

New numerical solutions to Newton's problem of least resistance via a convex hull approach
von: Wachsmuth, Gerd
Veröffentlicht: (2025)

Solving the train-platforming problem via a two-level Lagrangian Relaxation approach
von: Zhang, Qin, et al.
Veröffentlicht: (2024)

PyJobShop: Solving scheduling problems with constraint programming in Python
von: Lan, Leon, et al.
Veröffentlicht: (2025)

Solving separable convex optimization problems: Faster prediction-correction framework
von: Zhang, Tao, et al.
Veröffentlicht: (2023)

Solving Geodesic Equations with Composite Bernstein Polynomials for Trajectory Planning
von: Gorman, Nick, et al.
Veröffentlicht: (2026)

Solving Chance Constrained Programs via a Penalty based Difference of Convex Approach
von: Li, Zhiping, et al.
Veröffentlicht: (2026)

Optimal bounds for numerical approximations of finite horizon problems based on dynamic programming approach
von: de Frutos, Javier, et al.
Veröffentlicht: (2026)

A Computational Framework for Solving Wasserstein Lagrangian Flows
von: Neklyudov, Kirill, et al.
Veröffentlicht: (2023)

Solving a large oral examination timetabling problem using a multidimensional knapsack MILP formulation
von: Briand, Cyrille, et al.
Veröffentlicht: (2026)

A robust alternating direction numerical scheme in a shape optimization setting for solving geometric inverse problems
von: Rabago, Julius Fergy Tiongson, et al.
Veröffentlicht: (2023)

Regularized MIP Model for Integrating Energy Storage Systems and its Application for Solving a Trilevel Interdiction Problem
von: Han, Dahye, et al.
Veröffentlicht: (2024)

Machine Learning Powered Feasible Path Framework with Adaptive Sampling for Black-box Optimization
von: Zhang, Zixuan, et al.
Veröffentlicht: (2025)

Metaheuristic Method for Solving Systems of Equations
von: Odan, Samson
Veröffentlicht: (2024)

IPM-LSTM: A Learning-Based Interior Point Method for Solving Nonlinear Programs
von: Gao, Xi, et al.
Veröffentlicht: (2024)

Asymptotic Properties of a Forward-Backward-Forward Differential Equation and Its Discrete Version for Solving Quasimonotone Variational Inequalities
von: Zhang, Yeyu, et al.
Veröffentlicht: (2025)

An Optimization-Based Framework for Solving Forward-Backward Stochastic Differential Equations: Convergence Analysis and Error Bounds
von: Wang, Yutian, et al.
Veröffentlicht: (2025)

Solving quadratic binary optimization problems using quantum SDP methods: Non-asymptotic running time analysis
von: Henze, Fabian, et al.
Veröffentlicht: (2025)

A numerical solution approach for non-smooth optimal control problems based on the Pontryagin maximum principle
von: Wachsmuth, Daniel
Veröffentlicht: (2024)

A Second-Order Dynamical System for Solving Generalized Inverse Mixed Variational Inequality problems
von: Van Tran, Nam
Veröffentlicht: (2026)

Inexact Newton Methods for Solving Generalized Equations on Riemannian Manifolds
von: Louzeiro, Mauricio S., et al.
Veröffentlicht: (2023)

Solving Decision-Dependent Games by Learning from Feedback
von: Wood, Killian, et al.
Veröffentlicht: (2023)

Accelerated Zero-Order SGD Method for Solving the Black Box Optimization Problem under "Overparametrization" Condition
von: Lobanov, Aleksandr, et al.
Veröffentlicht: (2023)

Comparison of two numerical methods for Riemannian cubic polynomials on Stiefel manifolds
von: Simoes, Alexandre Anahory, et al.
Veröffentlicht: (2024)

Accelerated Bregman gradient methods for relatively smooth and relatively Lipschitz continuous minimization problems
von: Savchuk, O. S., et al.
Veröffentlicht: (2024)

Solving the waste bin location problem with uncertain waste generation rate: a bi-objective robust optimization approach
von: Rossit, Diego, et al.
Veröffentlicht: (2024)

(Un)supervised Learning of Maximal Lyapunov Functions
von: Barreau, Matthieu, et al.
Veröffentlicht: (2024)

Riemannian conditional gradient methods for composite optimization problems
von: Chen, Kangming, et al.
Veröffentlicht: (2024)

Solving QUBOs with a quantum-amenable branch and bound method
von: Häner, Thomas, et al.
Veröffentlicht: (2024)

From Data to Uncertainty Sets: a Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2025)