标签
本文提出 BeTINH 结构化条件神经求解器，通过多方向时间-参数调制与联合残差路径提升 Heston 随机波动率 PDE 参数化族的求解精度与导数保真度，强调下游敏感度指标需导数感知的评估。
提出了一种面向算法交易的不确定性感知强化学习框架，通过SHAP加权重构、MC Dropout和LSTM共识机制，整合了分布性、认知性和偶然性不确定性。在五大美国股票指数上，其表现优于传统模型。