Resumen

El método de regularización de la dispersión desempeña un papel importante en la reconstrucción de parámetros. En comparación con los métodos de regularización tradicionales, el método de regularización de dispersidad tiene la capacidad de obtener un mejor rendimiento en la reconstrucción de parámetros dispersos. Sin embargo, el método de regularización por dispersión no es capaz de reconstruir parámetros suaves. Para superar esta dificultad, combinamos un método de regularización sparsity con un método wavelet para transformar los parámetros suaves en parámetros sparse. Utilizamos un método de inversión de perturbaciones de dispersión-homotopía para mejorar la precisión y la estabilidad, y aplicamos el método propuesto para reconstruir los parámetros de un modelo de valoración de opciones Black-Scholes y un modelo de Todaro. Los experimentos numéricos muestran que el método propuesto es convergente y estable.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Método de regularización de la dispersión; parámetros; reconstrucción; parámetros suaves; método wavelet; experimentos numéricos.
• Keywords:Sparsity regularization method; parameters; reconstructing; smooth parameters; wavelet method; numerical experiments.