给一篮子资产的期权定价，像是在一张维度不断增加的地图上找路：资产越多，传统网格需要计算的位置就越多；再算上每次调整对冲仓位都要付费，问题还会从规整的线性模型变成非线性模型。这篇论文把 Leland 交易成本模型——用对冲费用修正定价的模型——加入高维 Black–Scholes 方程，并用 2BSDE（二阶倒向随机微分方程，把复杂方程改写成沿随机路径计算的问题）交给神经网络求解。
最值得注意的是，作者只用一个 ResNet——带跳跃连接、便于训练深层结构的神经网络——同时学习衍生品价格和曲率矩阵。曲率描述价格对标的资产变化的弯曲程度，也是交易成本项判断方向的关键。网络采用正弦激活函数，以获得较平滑的高阶导数；训练时还刻意阻断部分梯度回传，作者称这可避免曲率估计出现偏差。论文在几何篮子看涨期权和蝶式价差上与有限差分参考解比较，但所给文本缺失具体维度和误差数字，因此目前更值得关注的是方法设计，精度与扩展性仍需结合完整结果判断。