Optimal stopping via deeply boosted backward regression
Loading...
Date
2018
Volume
2530
Issue
Journal
Series Titel
WIAS Preprints
Book Title
Publisher
Berlin : Weierstraß-Institut für Angewandte Analysis und Stochastik
Link to publishers version
Abstract
In this note we propose a new approach towards solving numerically optimal stopping problems via boosted regression based Monte Carlo algorithms. The main idea of the method is to boost standard linear regression algorithms in each backward induction step by adding new basis functions based on previously estimated continuation values. The proposed methodology is illustrated by several numerical examples from finance.
Description
Keywords
Citation
Belomestny, D., Schoenmakers, J. G. M., Spokoiny, V., & Tavyrikov, Y. (2018). Optimal stopping via deeply boosted backward regression (Berlin : Weierstraß-Institut für Angewandte Analysis und Stochastik). Berlin : Weierstraß-Institut für Angewandte Analysis und Stochastik. https://doi.org//10.20347/WIAS.PREPRINT.2530
Collections
License
This document may be downloaded, read, stored and printed for your own use within the limits of § 53 UrhG but it may not be distributed via the internet or passed on to external parties.
Dieses Dokument darf im Rahmen von § 53 UrhG zum eigenen Gebrauch kostenfrei heruntergeladen, gelesen, gespeichert und ausgedruckt, aber nicht im Internet bereitgestellt oder an Außenstehende weitergegeben werden.
Dieses Dokument darf im Rahmen von § 53 UrhG zum eigenen Gebrauch kostenfrei heruntergeladen, gelesen, gespeichert und ausgedruckt, aber nicht im Internet bereitgestellt oder an Außenstehende weitergegeben werden.