跳跃扩散神经网络定价：用深度学习逼近含跳资产的价格
Black-Scholes 假设价格连续，可股灾里价格是『跳』下去的。Merton 跳扩散有闭式解，但真实市场要联合校准 σ 与跳参数，解析解很快失效。本文用 numpy 从零实现一个两层 MLP，喂 (σ, λ, μ_J, δ, moneyness, T) 六个特征，去逼近 Merton 欧式看涨价格——在 10584 个参数组合上训练，测试集 R²=0.94、RMSE=2.08，并证明网络『学会』了跳跃溢价：期权价随跳跃强度 λ 单调上升。附完整 Python（含手写前向/反向）与四张真实计算图。