محققان در یک پژوهش جدید، از مدلهای شبکه عصبی مبتنی بر تابع پایه شعاعی (RBFNN) برای حل معادلات دیفرانسیل مرتبط با قیمتگذاری داراییهای مالی استفاده کردهاند.
این روش که با نام PIRBFNN شناخته میشود، با ترکیب هوش مصنوعی و قوانین فیزیک، دقت و سرعت محاسبه قیمت آپشنهای چنددارایی را به شدت افزایش میدهد. این نوآوری راهکار قدرتمندی برای مدلهای مالی است که پیش از این به دلیل پیچیدگیهای ریاضی، اجرای آنها بسیار زمانبر بود.
تلفیق دنیای اقتصاد و هوش مصنوعی هر روز کاربردیتر از قبل میشود! 💡
منبع: arXiv Machine Learning



