ScholarGate
सहायक
Machine learningComputational Methods

स्वचालित विभेदन (AD) द्वारा ग्रीक्स की गणना

स्वचालित विभेदन (AD) एक कम्प्यूटेशनल तकनीक है जिसका उपयोग ऑप्शन मूल्य की गणना करने वाले कंप्यूटर कोड को विभेदित करके व्युत्पन्न (ग्रीक्स) की गणना के लिए किया जाता है। AD सूत्रों की मैन्युअल व्युत्पत्ति और परिमित-अंतर सन्निकटन से बचता है, जिससे मशीन परिशुद्धता के साथ सटीक संवेदनशीलता प्राप्त होती है। यह आधुनिक ट्रेडिंग सिस्टम में वास्तविक समय जोखिम प्रबंधन के लिए आवश्यक हो गया है।

EconMind के साथ लागू करेंजल्द हीApply, compare, get guidance
Tools & resources
स्लाइड डाउनलोड करें
Learn & explore
वीडियोजल्द ही

पूरी विधि पढ़ें

केवल सदस्यों के लिए

यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।

साइन इन करें

पद्धति मानचित्र

सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।

स्वचालित विभेदन (AD) द्वारा ग्रीक्स की गणना
बेट्स मॉडलस्थानीय अस्थिरता (Dupire)जोखिम-उदासीन मूल्यांकन

स्रोत

  1. Giles, M. B. (2008). Adjoint code by automatic differentiation. Journal of Computational Finance, 12(1), 1-18. link
  2. Homescu, C. (2011). Adjoints and automatic differentiation in computational finance. arXiv:1107.1188. link

इस पृष्ठ का उद्धरण कैसे दें

ScholarGate. (2026, June 3). Automatic Differentiation for Greeks Computation. ScholarGate. https://scholargate.app/hi/quantitative-finance/greeks-via-automatic-differentiation

कौन-सी पद्धति?

इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।

साथ-साथ तुलना करें
ScholarGateGreeks via Automatic Differentiation (Automatic Differentiation for Greeks Computation). 2026-06-17 को यहाँ से प्राप्त https://scholargate.app/hi/quantitative-finance/greeks-via-automatic-differentiation · डेटासेट: https://doi.org/10.5281/zenodo.20539026