ScholarGate
Assistent
Machine learningComputational Methods

Grekere via automatisk differensiering

Automatisk differensiering (AD) er en beregningsteknikk for å beregne deriverte (Grekere) ved å differensiere dataprogramkoden som beregner opsjonsprisen. AD unngår manuell utledning av formler og approksimasjoner med endelige differanser, og gir eksakte sensitiviteter med maskinpresisjon. Det har blitt essensielt for sanntids risikostyring i moderne handelssystemer.

Anvend med EconMindSnartApply, compare, get guidance
Tools & resources
Last ned lysbilder
Learn & explore
VideoSnart

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Metodekart

Nabolaget av beslektede metoder — velg en node for å utforske.

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 3). Automatic Differentiation for Greeks Computation. ScholarGate. https://scholargate.app/no/quantitative-finance/greeks-via-automatic-differentiation

Hvilken metode?

Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.

Sammenlign side om side
ScholarGateGreeks via Automatic Differentiation (Automatic Differentiation for Greeks Computation). Hentet 2026-06-17 fra https://scholargate.app/no/quantitative-finance/greeks-via-automatic-differentiation · Datasett: https://doi.org/10.5281/zenodo.20539026