Deep Kernel Hedging：深度学习与核方法结合的金融对冲新框架

arXiv 新论文提出 Deep Kernel Hedging 框架，把深度学习表达能力与核方法的结构化归纳偏置结合用于金融对冲。对冲函数限制在再生核希尔伯特空间，核由输入特征的神经网络嵌入参数化，并用截断时间增强 signature 特征处理路径依赖。合成与真实数据实验显示，该方法尤其在小数据场景下比标准核方法与经典 deep hedging 架构更稳健。