RIDGE：LLM生成期权定价的自主验证与方法发现框架

论文提出RIDGE框架，用于自主验证LLM生成的期权定价代码。该框架通过结构化无套利测试、压力测试、基准对比和一致性检查，诊断并消除实现缺陷。在五个随机波动率模型上，所有检测到的缺陷均被修复，其中两个案例还通过验证过程发现了新的半解析定价方法。

此前LLM生成的金融代码缺乏系统性验证，只能依赖人工审查。RIDGE实现了自动化、迭代式的验证流程，不仅能修复错误，还能从验证中发现新定价方法，显著提升LLM在量化金融中的可靠性与研发效率。

框架将验证证据进行诊断性解释，并将积累的知识存入可复用仓库，跨模型和迭代共享。这使得定价实现和验证方法论都能持续改进，形成闭环。

量化金融产品团队可减少人工代码审核成本，加速定价模型部署；自动发现新定价方法（如半解析解）可缩短研究周期，提升产品迭代速度。

• 将RIDGE集成到量化开发CI/CD流水线中，实现期权定价代码的自动验证
• 基于RIDGE的知识库开发预训练数据，提升LLM在金融代码生成中的首次正确率
• 针对利率、信用等其他衍生品扩展RIDGE的测试套件
• 推出SaaS服务，为用户生成的金融模型代码提供一站式验证报告

• 框架是否支持除随机波动率外的其他定价模型（如局部波动率、跳跃扩散）？
• 知识库的跨模型复用效率和维护成本如何？
• 对非期权类金融代码（如风控、对冲）的验证有效性尚不明确
• 框架的计算资源需求是否能在实时场景中满足？