مسئله ی مدیریت ریسک و قیمت گذاری سبدهای مالی، از مسائل مهم در ریاضیات مالی به شمار می آیند. روش های رایج به
محاسبه ی مستقیم مقدار مورد انتظار شرطی در هر گام زمانی (به عنوان مثال با استفاده از روش های مبتنی بر مونت کارلو) می پردازند. چالش اصلی در این رویکرد، زمانی است که بعد مسئله افزایش می یابد و روش های شبیه سازی از نوع مونت کارلو با هزینه های محاسباتی سنگین مواجه می شوند. در این مقاله با استفاده از مفهوم مارتینگل بازساز که فرآیند ارزش سبد را از طریق اطلاعات نهایی بیان می کند، به جای محاسبه ی مستقیم مقدار مورد انتظار شرطی در هر گام زمانی، ابتدا تابع ارزش نهایی سبد تقریب زده می شود و سپس با تکیه بر ویژگی مارتینگل، مقادیر میانی محاسبه می شوند. تقریب مذکور با استفاده از روش یادگیری نظارت شده و بر پایه ی داده های شبیه سازی شده انجام می شود. نتایج روش پیشنهادی در مدل های گاوسی، با مقایسه ی نتایج آن با روش های مونت کارلوی تودرتو و مونت کارلوی کمترین مربعات از نوع رگرسیون-اکنون نشان می دهند که از نظر دقت و کارایی محاسباتی عملکرد بهتری دارد.
)