オプション価格モデルのキャリブレーションは市場の変化に伴い繰り返し行われますが、従来のシステムには、全体的な再トレーニングなしにキャリブレーションされたモデルからデータを削除するための演算子が欠けています。古くなった、破損した、または削除要件のある引用がある場合、既存のキャリブレーションプロセスは必ず全体の非線形二乗問題を再構築しなければなりません。本研究では、パラメトリックオプションキャリブレーションにおける選択的忘却（機械的な学習の解除）に関する原則に基づくフレームワークを提案します。このフレームワークは、安定性保証、摂動境界を提供し、提案された演算子が標準的な正則性仮定の下で局所的に正確であることを示しています。