因此，n4βb概率有界。等式（ii）用同样的方法证明。7.4消除跳跃在本小节中，我们建立渐近结果，用于消除近似中的跳跃效应。引理7.3。假设| A（λ，x，y，z）|≤ $（z） ψ（λ）U（x，y），对于所有x>0，z∈ R、 λ>0，其中∏（$+$）<∞, U是一个满足sup0的连续函数≤T≤1E U（S*t） <∞ 对于τ定义中大于0的anyL*在（7.7）中。假设是nrz∞L*λ4β-1（ψ（λ）+ψ（λ））dλ→ 0，对于任何r>0。（7.19）然后，对于任何r>0，ZZR*A（λt，St-, yt-, z） J（dt，dz）=o（n-r） 。（7.20）证据。为了便于记法，可以缩写为B（t，z）：=|A（λt，St）-, yt-, z） |。让我们在（7.20）asZt中分解积分*锆*B（t，z）J（dt，dz）+Zt*锆*B（t，z）J（dt，dz）。（7.21）使用表示（3.7），我们得出结论，对于任何δ>0和r>0，概率nrRt*RR*B（t，z）J（dt，dz）> δ比P（N）小- 新界*≥ 1) = 1 - E-θ(1-T*), 当t*转到1。因此，必须证明（7.21）中的Firstingegral具有相同的性质。事实上，这个术语可以表示为ZT*锆*B（t，z）eJ（dt，dz）+Zt*锆*B（t，z）dt∏（dz）。我们记得ej（dt，dz）=J（dt，dz）- dt∏（dz）。我们现在证明，最后一项几乎肯定是指数可忽略的，即对于任何r>0limn→∞nrZt*锆*B（t，z）dt∏（dz）=0a.s。（7.22）事实上，根据假设和（7.1）中定义的变量变化，其估计值为4∏（$）βmax0≤T≤1U（St）nrλ-4βZ∞L*λ4β-1ψ（λ）dλ，由于（7.19）和U的连续性，其中t（λ）=1，a.s.收敛到零-(λ/λ)4β.因此，仍然需要证明，对于任何r>0，Rt*RR*B（t，z）eJ（dt，dz）=o（n-r） 有可能→ ∞. 为此，请注意B（t，z）≤ U（S*T-)ψ（λt）$（z）：=eB*集{τ上的（t，z）*= 1} ，即B（t，z）=B（t，z）1{B（t，z）|≤电子束*（t，z）}：=B（t，z）在这个集合上。

对于任意δ>0和L>0，利用切比雪夫不等式，我们得到了该pnrZt*锆*B（t，z）eJ（dt，dz）> δ!≤ P（τ）*< 1） +PnrZt*锆*ˇB（t，z）eJ（dt，dz）> δ!≤ P（τ）*< 1） +n2rERt*RR*ˇB（t，z）eJ（dt，dz）δ.这里使用p=2的不等式（C.2），并考虑Ezt*锆*电子束*2（t，z）∏（dz）dt≤ ∏（$）sup0≤T≤1E U（S*t） Zt*ψ（λt）dt∏（$）≤ CZ∞L*λ4β-1ψ（λ）dλ，极限方程（7.20）来自（7.19）。7.5近似极限定理我们首先回顾了[20]中的以下结果，这对研究离散鞅的渐近分布很有用。定理7.1。[定理3.2和推论3.1，第58页[20]]设Mn=Pni=1Xibe为零均值、平方可积鞅，为a.s.有限随机变量。假设以下收敛在概率上满足：nXi=1EXi{Xi}>δ}Fi-1.-→ 对于任何δ>0且nxi=1E的情况，均为0希菲-1.-→ .然后，序列（Mn）按规律收敛到特征函数为E exp的X(-t），即X具有高斯混合分布。下面我们将建立定理7.1的一些特殊版本。特别地，我们的目标是研究由命题7.1中的近似（7.14）得到的离散鞅的渐近分布。设Ai=Ai（λ，x，y），i∈ I:={1,2,3,4}be具有性质（H）且考虑离散鞅（Mk）m的函数≤K≤曼德（Mk）m≤K≤MK定义的mde=%-1kXj=mXi∈I\\{4}Ai，j-1Zi，jλjand Mk=%-1kXj=mXi∈I\\{3}Ai，j-1Zi，jλj，（7.23），其中Ai，j=Ai（λj，Stj）和Zi，jare定义为（7.2）和（7.4）。为了描述极限分布，让我们引入l=A+2AA（2Φ（p）- 1） +A∧（p）+A，L=A+A+（1）- 2/π）A，（7.24），其中p在（7.3）中定义。现在定义=u%u+1Z+∞λbuL（λ，S）dλ和=u%u+1Z+∞λbuL（λ，S）dλ（7.25），其中u=（u+1）eu+1和bu=（u- 1)/(u + 1). （7.26）提案7.2。假设Ai=Ai（λ，x，y），i=1，2，3及其第一次偏导数λAi，xAi，满足条件（H）的yAiare函数。

然后，对于任何固定的%>0，序列（nβMm）弱收敛到一个混合高斯变量，其均值为零，方差定义如（7.25）所示。如果部分（或全部）函数被重新替换，则相同的属性仍然有效∞λAi（z，x，y）dz。证据注意，对于随机变量（Γj），不能保证平方可积性。为了克服这个问题，让我们回忆一下停止时间τ*= τ*定义在（7.7）和puteAi（λ，x，y）=Ai（λ，x，y）bφ中-1（λ，x）φL（λ），其中φL（λ）在（7.12）中定义。让我来*j=Pi=1eAi（λj，S*tj）子，jλjand M*k=Pkj=m~n*j、 第一步：我们将在定理7.1中证明，对于任意L>0，鞅nβM*mweakly收敛到均值为零且方差为的混合高斯变量*2（L）定义为*2（L）=u%u+1Z+∞λbueL（λ，S）dλ，（7.27），其中，通过将（7.24）中L的公式中的所有Ai替换为相应的修改函数seAi，i=1,2,3来获得eL。为此，设置一个*j=E（Γ）*2jnυ*J>δo | Fj-1） ，我们首先展示n2β| Pmj=ma*j |>ε收敛到0。根据假设，maxi=1,2,3eAi（λu，S*u）≤ U（S*u） （1+λ）-γu）φL（λ）≤ U（S*u） （1+λ）-对于某些γ>0和满足（7.11）的正函数u（S），γu）（7.28）。我们观察到这一点n2β| mXj=ma*j |>ε= Pn2β| mXj=ma*j |>ε≤ ε-1n2βmXj=mE a*jby-Markov不等式。利用切比雪夫不等式和马尔可夫不等式*j=Eυ*2jnυ*J>δo≤qE~n*4jqP（|~n）*j |>δ）≤ δ-2E~n*4j≤ 9δ-2(1 + λ-γu）(λj）eu（S*u） Xi=1Zi，j。考虑到所有Zi，j都有有界矩，利用（7.28）我们得到ε-1n2βmXj=mE a*J≤ 9Cε-1δ-2n2βmXj=m（1+λ）-γu）(λj），通过引理A.1收敛到0。让我们验证条件方差之和E（Γ）的极限*2j | Fj-1). 设置Γ*i、 j=eA*i、 j-1Zi，jλj，一个得到Eυ*1，j*3，j | Fj-1.= Eυ*2，j*3，j | Fj-1.= 自Z1起为0，jand Z2，jareindependent。

接下来就是这个*2j | Fj-1） =E（Γ）*21，j | Fj-1） +E（ν）*22，j | Fj-1） +E（ν）*23，j | Fj-1） +2E（ν）*1，j*2，j | Fj-1).注意这一点~ N（0，1）和一些常数a，E（Z | Z+a |）=2Φ（a）-1和E（Z+a）-（E | Z+a |）=∧（a），其中Φ是标准正态分布函数，∧在（7.5）中定义。另一方面λj=n-2β（1+o（1））u%u+1λbuj-引理A.1。所以，n2βE（Γ）*2j | Fj-1） =（1+o（1））u%u+1λbuj-1eL（λj）-1，S*T-J-1)λj。因此，通过引理A.5，和n2βPmj=mE（γ*2j | Fj-1） 概率收敛到*2（L）在（7.27）中定义。因此，nβM*mweakly收敛到N（0，）*2（L））贯穿定理7.1。第二步：让我们展示一下sup>0limL→∞林尚→∞P|nβM*M- nβMm |>= 最后，回想一下bφ（λ，St）=φL（λ），因此，对于集合{τ上的i=1,2,4，eAi=aii*= 1}.然后，直接从P得出结论nβ| M*M- 嗯|>≤ Pnβ| M*M- 嗯|>, τ*= 1.+ P（τ）*< 1） 和（7.9）。此外，考虑到*2（L）将a.s.收敛到as L→ ∞, 我们得出结论，nβmmn在定律上收敛于n（0，），这就完成了证明。让我们考虑以下形式的鞅，由L’epinette策略的近似得到，Mk=Pkj=mA1，j-1Z1，j+A2，j-1Z2，j+A4，j-1Z4，jλj.它们的极限方差在整个函数l（λ，x，y）=A（λ，x，y）+A（λ，x，y）+（1）中定义- 2/π）A（λ，x，y）。（7.29）以下结果与命题7.2相似。提议7.3。假设Ai=Ai（λ，x，y），i=1，2，4以及它们的第一个偏导消息满足条件（H）。然后，对于任何固定的%>0，序列（nβMm）弱收敛于混合高斯变量，平均值为零，方差由（7.25）给出。如果部分（或全部）函数被替换，则相同的属性仍然有效∞λAi（z，x，y）dz。证据

结论直接来自命题7.2的证明和Ez4，j=E（|Z1，j |-p2/π=1- 2/π，E（Zi，jZ4，j）=0，对于i=1，2和m≤ J≤m、 本节的剩余部分将按照[33]的模式证明主要结果。我们的第一步是为套期保值误差中的每个术语建立以nβ为速率的渐近表示。近似过程还将剩余部分作为离散鞅提供，最后一步将应用命题7.2和7.3来实现限制分布。7.6 I1的近似值，以下近似值在[33]中获得。提议7.4。设H=R∞λ（z）-1/2/2 - Z-3/2ln（x/K））eа（z，x）dz和defineu1，K=%-1kXj=mσ（ytj-1） Stj-1Hj-1Z1，jλj，m≤ J≤ m、 然后，在（C）和（C）下，P- 画-→∞nβI1，n- 2分钟（S，K）- U1，m= 0.证明。通过（3.15），一个代表I1，nasI1，n=ZbσtStbCxx（t，St）dt-Zσ（yt）StbCxx（t，St）dt。最后一项可以被引理7.2的（ii）忽略。为了研究第一个积分，让我们引入函数A（λ，x）=xbCxx（t，x），并将其拆分为ZbσtStbCxx（t，St）dt=ZbσtSbCxx（t，S）dt+Zbσt（A（λt，St）- A（λt，S））dt。第一个积分RbσtSbCxx（t，S）dt几乎肯定比nR快2分钟（S，K），对于任何r>0的情况，参见[33]。让我们研究描述A跳跃的最后一个术语。使用A（λt，St）的It^oLemma- A（λt，S），我们将其改写为1，n+2，n+ZZtbσtxA（λt，Su）σ（yu）SudW（1）udt，（7.30），其中1，n:=ZZtbσtA（λt，Su，yu）du dt和2，n:=Zbσtzr*\'A（λt，Su-, z） J（du，dz）dta（λ，x，y）=tA（λ，x）+xxA（λ，x）σ（y）x，\'A（λ，x，z）=A（λ，x（1+z））- A（λ，x）。然后，利用命题7.1的近似过程得到（7.30）的It^o积分的离散鞅近似U1，mf。现在，让我们展示一下i、 n=o（n-β） ，i=1，2。

事实上1，n=o（n-β） 引理7.2的第（iii）部分。跳转术语2、NCA可以代表为2，n=RRR*摩擦σt′A（λt，Su-, z） dtJ（du，dz）byFubini定理[3]。改变变量v=Rubσtdt，如（7.1）中所示，一个得到szubσt′A（λt，·z）dt=zλu′A（v，·z）dv:=D（λu，·z），因此，2，n=RRR*D（λu，Su）-, z） J（du，dz）。另一方面，对于任何Υ>0D（λu，Υ，z）=zλu′A（v，Υ，z）dv=zΥ（1+z）ΥzλuxA（v，x）dvdx。直接计算表明xA（v，x）=2xbCxx（v，x）+xbcxx（v，x）和bcxx（v，x）=x√ve~n（v，x），bCxxx（v，x）=-xve~n（v，x）√v+ln（x/K）√五、,式中：φ（v，x）=√xφ（v）e-ln（x/K）2v，φ（v）=rK2πe-v/8。利用zke-z/2对于所有k都是一致有界的|xA（v，x）|≤ C√x（1+v）-1） φ（v），对于某些正常数C。该估计意味着对于任何Υ>0 | D（λu，Υ，z）|≤ CZΥ（1+Z）Υ√xdxZλu（1+v）-1） φ（v）dv≤ C | z | eφ（λu）√Υ，（7.31），其中eφ（λ）=R∞λ（1+v）-1） φ（v）dv。显然，引理7.3中的条件（7.19）成立，因此，2，n=o（n-r） 对于I2的任何r>0.7.7近似值，建议7.5。在（C）和（C）下，nβI2，n收敛到0的概率为n→ ∞.证据我们表示I2，nasZσ（yt）StA（t）dW（1）t+ZZR*zSt-A（t）-)eJ（dt，dz）：=b1，n+b2，n，（7.32），其中A（t）=bCx（ι（t），Sι（t））-bCx（t，St）。我们首先声称，引理7.1可以忽略（7.32）的It^o积分。要看到这一点，必须应用it^o公式，一代表差异AtasZtι（t）bCxt（u，Su）+σ（yu）subxxx（u，Su）du+Ztι（t）bCxx（u，Su）σ（yu）SudW（1）u+Ztι（t）ZR*（bCx（u，Su）-（1+z）-bCx（u，Su）-))J（du，dz）。鉴于（3.12），bCxt（u，x）=-bσu2xbCxx（u，x）+xbCxxx（u，x）:= bσueA（u，x）。（7.33）因此，b1等于以下sumZZtι（t）bσuσ（yt）SteA（u，Su）dudW（1）t+ZZtι（t）σ（yt）Stσ（yu）subxxx（u，Su）dudW（1）t+ZZtι（t）ZR*σ（yt）St（bCx（u，Su-（1+z）-bCx（u，Su）-))J（du，dz）dW（1）t.（7.34）前两个积分比n更快收敛到0-β通过引理7.1。让我们研究一下（7.34）中的跳跃项，它将由一个。

显然，根据富比尼定理Anequals1≤我≤nZtiti-1ZR*ψ（u，Su）-, z）Ztiuσ（yt）StdW（1）tJ（du，dz），（7.35），其中ψ（u，x，z）：=bCx（u，x（1+z））-bCx（u，x）。证明了an=o（n）-r） 对于任何r>0，在引理7.3的演示之后进行一些修改。特别是，我们将（7.35）中的和分解为两部分：a1，n，第一部分涉及指数i和m≤ 我≤ 第二个是a2，n，这是指数i，1其余部分的和≤ 我≤ m、 显然，P（nr | a1，n |<δ）≤ P（N）- 新界*≤ 1) = 1 - E-θ(1-T*), 收敛到0。为了研究a2，n，我们再次运行用于获得估计值的参数（7.31）。特别地，|ψ（u，x，z）|以φ（λu）为界Zx（1+z）xdaa3/2≤ 2φ（λu）√x$（z），其中φ（λ）=pK/2πλ-1/2te-λ/8和$（z）=|z|√1+z.（7.36）表示为ac2，n为a2，n的补偿器。那么，很明显，|ac2，n |≤X1≤我≤mZtiti-1ZR*|ψ（u，Su，z）|Ztiuσ（yt）StdW（1）tπ（dz）du≤X1≤我≤mZtiti-1φ（λu）pSuZtiuσ（yt）StdW（1）tdu∏（$）。（7.37）注意，鉴于条件（C），积分∏（$）<∞. 重要的是要强调Xu:=pSuRtiuσ（yt）StdW（1）t可能不是平方可积的。为了克服这个问题，考虑停止时间τ*在（7.7）中定义了一些L>0。关于集合{τ*= 1} 一个给你∈ [ti-1，ti]，E（X*u） =EqS*uZtiuσ（y）*t） S*tdW（1）t≤ 锿*乌兹提乌斯*2tdt≤ CLn-因此*U≤pE（X）*u）≤ CLn-1/2的柯西-施瓦特不等式。因此，P（nr | ac2，n |>δ，τ*= 1) ≤ nrδ-1X1≤我≤mZtiti-1φ（λu）EX*udu∏（$）≤ nrδ-1CLn-1/2X1≤我≤mZtiti-1φ（λu）du∏（$）≤ nrδ-1CLn-1/2Zt*φ（λu）du∏（$）。（7.38）考虑到nrRt*φ（λu）du变为0，我们得出结论，对于任何r>0，limn→∞P（nr | ac2，n |>δ，τ）*= 1) = 0. 注意到p（nr | ac2，n |>δ）≤ P（nr | ac2，n |>δ，τ）*= 1） +P（τ）*< 1） 使用（7.9）可以得到nrac2，n→ 任何r>0的概率为0。现在，把eα2，n=α2，n- αc2，n，我们需要证明P（nr | eα2，n |>δ）→ 0.为此，再次考虑停止时间τ*在（7.7）中定义了一些L>0。

关于集合{τ*= 1} ，onehas |ψ（u，Su，z）|≤qS*uφ（λu）$（z），其中S*ui是Su的停止版本。很明显，sup1≤我≤恩苏普蒂-1.≤U≤领带*u | W（1）ti-1.- W（1）u|≤ Cn-对于某个正常数C，随后是切比雪夫不等式thatP（nr | eα2，n |>δ，τ*= 1) ≤ n2rδ-2Eα*22，n，其中eα*22，通过替换Suby S获得nis*在函数ψ（u，Su，z）中。现在，著名的跳跃积分等距图适用于eα2，n=α2，n-αc2，等于Eα*22，nis受X1限制≤我≤梅兹蒂蒂-1ZR*|ψ（u，S）*u、 z）| | W（1）ti-1.- W（1）u∏（dz）du，比zt小*φ（λu）E（X*u） 杜泽*$（z） π（dz）≤ Cn-1Zt*φ（λu）duZR*$（z） π（dz）。再说一遍，RR*$（z） ν（dz）<∞ 根据条件（C）。因此，对于一些依赖于l的常数，P（nr | eα2，n |>δ，τ*= 1) ≤ C（L）n2rδ-2n-1Zt*φ（λu）du×ZR*$（z） π（dz），当r>0时收敛到0。现在让我→ ∞ 利用（7.9）我们得到| eα2，n |=o（n-r） 对于任何r>0的情况。通过同样的方式，我们可以证明nrb2，n→ 任何r>0的概率为0，且证明已完成。7.8 I3的近似值，建议7.6。假设（C）和（C）保持不变。然后，对于任何r>0，nr | I3，n |→ 0作为n的可能性→ ∞.证据到（3.15），一个人有B（t，St）-, z） =RSt（1+z）StRvStbCxx（t，u）dudv。回想一下bcxx（t，u）=u-1λ-1/2te~n（λt，u）≤ U-3/2φ（λt），其中φ（λ）=pK/（2π）λ-1/2te-λ/8. 直接微积分导致| B（t，St，z）|≤ CS1/2tφ（λt）| z |。因此，引理7.3中的所有假设都已完成，结论如下。7.9Γn的近似值让我们研究交易量Γn。很容易检查v≥ 0, 1 - Φ（v）≤ 个人简历-1~n（v）和RT*e~n（λu，Su）du+Rt*几乎可以肯定的是，e~n（λu，Su）du收敛到0的速度比n的任何幂更快。因此，可以截断和，只保留与指数m对应的部分≤ J≤ m、 接下来，我们可以通过区间[t]中的It^o公式忽略近似中可能出现的跳跃项*, 1].

为了方便起见，让我们回忆一下[33]中得到的Γn的近似结果。提议7.7。在条件（C）下- （C） ，总交易量Γn表示如下渐近形式Γn=Γ（S，y，%）+（U2，m+U3，m）+o（n-β） .7.10定理3.1的证明通过命题7.4-7.7，套期保值误差表示为Vn- h（S）=分钟（S）-, （K）-κΓ（S）-, y、 %）+Mm，其中套期保值误差的鞅部分由Mk=U1，k给出-κ（U2，k+U3，k），因此nβMm通过命题7.2，证明了定理3.1在定律上收敛于混合高斯变量。7.11定理3.2的证明现在证明了L‘epinette策略’γNTI适用于复制问题。类比里昂可以将相应的套期保值误差表示为“Vn”- h（S）=I1，n+-I2，n- I3，n- κΓn，其中I2，n=I2，n+Xi≥1.斯蒂兹蒂-1bCxt（u，Su）duandΓn=Pni=1Sti|γnti- γnti-1 |是交易量。回想一下I2，7.5提案。让我们来调查一下上面的总数。通过（7.33），它可以表示为xi≥1Zλi-1eA（u，Su）dvZtiti-1σ（yt）StdW（1）t+Xi≥1Zλi-1eA（u，Su）dvZtiti-1zdSt-eJ（dt，dz）使用上述变量变化，其中ea在（7.33）中定义。现在，命题7.1的近似技术可用于用鞅U2代替第一和，由U2定义，k=%-1kXj=mσ（ytj-1） 圣-J-1Yj-1Z1，jλj，m≤ K≤ mand Y（λ，x）=R∞λz-3/2ln（x/K）eа（z，x）dz。另一方面，对于被积函数，我们得到了相同的估计（7.31），这意味着第二个和可以通过引理7.3在nrforany r>0的阶忽略。现在，我们考虑交易量Γn的近似表示，遵循Γn的近似过程。以下内容建立在[33]中。提议7.8。

在条件（C）下- （C） ，P- 画→∞nβ|Γn- ηmin（S，K）- （U2，m+U3，m）|=0。因此，Mm=U1，m+U1，m-κ*（U2，m+U3，m）是L’epinette策略对冲误差的鞅部分，可以用formMk=%-1kXj=m（A1，j-1Z1，j+A4，jZ4，j-1+A2，j-1Z2，j）λj对于满足命题7.3假设的一些显式函数。然后，收敛到一个混合高斯变量的序列nβMm由命题7.3保证，因此定理3.2被证明。7.12定理4.1的证明首先注意复制误差的近似表示与SVJ情况相同。特别是，Ii，n，i=1，2，3的近似值是相同的，因为鞅和是由一维It^o公式得到的。唯一的区别是，在确定总交易成本的上限时，一家公司已经取代了第一家公司-J-1和yt-J-1通过终端值S-安迪-. 现在，应用于差异的It^o公式的二维版本提供了有关yt动力学的公式。根据泊松过程的一个基本性质，我们可以知道在时间间隔[t]内y的跳跃部分*, 1]. 因此，这种差异的鞅近似与SVJ情形相同。然而，我们需要检查αi（t，yt）的可积性，i=1，2。为此，条件sup0≤T≤1E yt<∞ 需要，但在条件（C）以及这些系数的线性增长和Lip*****z性质下，这是完整的，见附录C.7.13定理5.1的证明可以以与定理3.1和定理3.2类似的方式进行，但需要更简单的论证。事实上，使用bσ=σ+%pnf（t）和简单形式bσ=%pnf（t）之间的差异仅来自于替代bλ=Rtbσsds的近似值。特别地，bλt=σ（1- t） +%√nZtpf（t）=σ（1）- t） +λt，其中λ由简单形式的相同公式定义。

然后，引理A.1仍然适用于由经典形式（5.1）构造的序列（bλj）。请注意，指数m，mare现在被bm取代，bm定义为bm=n- [nθ-1（l）*)], bm=n- [nθ-1（l）*)],式中，θ（z）=σzu+λz（1+u）/2，是u的递增函数≥ 1.这里的符号[x]代表数字x和l的整数部分*= 自然对数-3n，l*= lnn。同样，我们考虑了交易时间的子序列（tj）和相应的序列bλj定义的astj=1- (1 - j/n）u和bλj=σ（1- tj）+λ（1）- tj）4β，bm≤ J≤ bm。（7.39）其余近似值与定理3.1和定理3.2.8相同，结论基于显著差异的随机波动率模型很好地解释了波动率聚集、增量依赖、长期微笑和倾斜，但不能捕捉跳跃或现实的短期隐含波动率模式。这些缺点可以通过在模型中添加跳跃来解决。在本文中，我们通过考虑跳跃，利用Singleland算法对交易成本下的近似套期保值进行了研究。我们证明，在交易成本的近似对冲中，这种框架中的跳跃不会影响复制误差的渐近性质。作为我们主要结果的直接含义，我们确认，对于固定成本率，卡巴诺夫Safarian Pergamenschikov的结果[22,37]也适用于跳跃差异设置。研究小交易成本模型中跳跃风险的渐近性质是很有趣的。致谢：这项工作部分得到了俄罗斯联邦教育和科学部（研究项目编号2.3208.2017/4.6和俄罗斯联邦教授项目编号1.472.2016/1.4）和“托木斯克州立大学竞争力提升计划”拨款8.1.18.2018的支持。附录A辅助引理A.1。

存在两个正常数C，Cs，Cn-2β%u+1ν（l*) ≤ infm≤J≤m|λj|≤ 卸荷点法≤J≤m|λj|≤ Cn-2β%u+1ν（l*), （A.1）式中，ν（x）=x（u）-1)/(u+1). 此外，让u=（u+1）eu+1λj=un-2β%u+1ν（λj）-1） （1+o（1））和λj(（tj）-1/2=%（1+o（1））。（A.2）证据。它直接来自关系式（7.1）。引理A.2。对于任何K>0和0<t≤ 1，P（St=K）=0。证据我们证明了对于0<t≤ 1和任意实数a，P（ψt=a）=0，其中ψt=Rtbtdt+Rtσ（ys）dW（1）s-Rtσ（ys）ds+PNtj=1ln（1+ξj）。实际上，我们可以表示w（1）t=ρBt+p1- ρZt，其中bt是布朗驱动yt，Z是B的另一个布朗依赖项。现在，在布朗B和跳跃项spntj=1ln（1+ξj）的条件下，ψ是一个高斯变量。引理A.3。对于任何K>0，limε→0lim supv→1P（infv≤U≤1 | ln（Su/K）|<ε）=0。证据对于任何ε>0，引理中的概率都有p（infv）的界≤U≤1 | ln（Su/K）|<ε，N- Nv=0，ψ*五、≤ ε） +P（ψ）*v> ε，N- Nv=0）+2P（N）- 内华达州≥ 1） ，其中ψ*v=supv≤U≤1 | ln Su/S |。注意ψ*五、→ 0几乎在集合{N中的所有位置- Nv=0}作为v→ 1和P（N）- 内华达州≥ 1) = 1 - E-θ(1-v）→ 0作为v→ 1.我们得到了→1P（infv）≤U≤1 | ln（Su/K）|<ε）≤ 林素福→1P（infv）≤U≤1 | ln（Su/K）|<ε，N- Nv=0，ψ*五、≤ ε)≤ P（|ln（S/K）|≤ 2ε). 我们注意到，对于任何美国∈ [v，1]，|ln（S/K）|≤ |ln（S/Su）|+|ln（Su/K）|≤ 集{infv上的ε+| ln（Su/K）|≤U≤1 | ln（Su/K）|<ε，ψ*五、≤ ε}. 因此，|ln（S/K）|≤ ε+infv≤U≤1 | ln（苏/克）|≤ 2ε.因此，P（infv≤U≤1 | ln（Su/K）|<ε）≤ P（|ln（S/K）|≤ 2ε）+P（ψ）*v> ε）和（A.3）通过考虑ψ得到*五、→ 0 a.s.作为v→ 1.现在让ε→ 0我们得到limε→0P（| ln（S/K）|≤ 引理A.2证明了引理A.3。引理A.4。假设A=A（λ，x，y）及其偏导数λA，xA，满足条件（H）。

Setrn=sup（z，r，d）∈[l]*,L*]×B|λA（z，r，d）|+|xA（z，r，d）|+|亚（z，r，d）|,其中，B=[Smin，Smax]×[ymin，ymax]与min=inft*≤U≤T*Su，Smax=supt*≤U≤T*Su，ymin=inft*≤U≤T*yu，ymax=supt*≤U≤T*于。然后，四肢→∞画→∞P（rn>b）=0。证据参见[33]中的引理A.4，其中的注释是-还有yt-给出了同样的论点。引理A.5。假设A=A（λ，x，y）及其第一阶偏导数满足条件（H）。集合A（λ，x，y）=RλA（z，x，y）dz andeA（λ，x，y）=A（λ，x，y）。那么，对于任何γ>0，P- 画→∞mXj=mλγj-1eA（λj）-1，Stj-1)λj-Z∞λγeA（λ，S）dλ= 0，其中St=（St，yt）。如果A（λ，x，y）=A（λ，x，y）或上述函数的乘积，则相同的性质成立。证据参见[33]中的Lemme A.5。B某个时刻的估计A B.1。让YT成为一个It^o的过程，STT=Sexp给出的资产过程Ztbtdt+Ztσ（ys）dW（1）s-Ztσ（ys）dsNtYj=1（1+ξj），其中Ntis是强度θ独立于（ξj）j的齐次泊松过程≥1（i.i.d.变量序列）。我们假设跳跃成分（ξj）j≥1和n独立于布朗运动W（1）和y的布朗运动。如果b和σ是两个有界函数，那么对于任意m>0，其中E（1+ξ）m<∞, 我们有ESMT≤ C（m）exp{θt（E（1+ξ）m- 1） 无论如何，t∈ [0，1]，其中C（m）是依赖于m证明的常数。让我们用Xt=QNtj=1（1+ξj）和bt=SeRtbsds，Et（σ）=exp来表示St=ebtEt（σ）XtZtσ（ys）dW（1）s-Ztσ（ys）ds.根据假设，随机指数Et（σ）是一个期望值为1的鞅，与Xt无关。因此，ESmt≤ CEEmt（σ）EXmtsince sup0≤T≤1ebmt≤ C.因为σ是有界的，单相Emt（σ）=E Et（mσ）E（m-m） /2Rtσ（ys）ds≤ 另一方面，通过通常的调节技术，我们得到exmt=ENtYj=1（1+ξj）m=exp{θt（E（1+ξ）m）- 1） ，这意味着期望的结论。引理B.2。在引理B.1的假设下≤ U≤ 五、≤ 1，E（苏- Sv）≤ C|u- v |，用于一些常数C证明。

为了0≤ u<v≤ 1，putebv/u:=eRvubs，Xu/v:=QNvj=Nu+1（1+ξj）和v/u（σ）：=expZvuσ（ys）dW（1）s-Zvuσ（ys）ds.然后，Ev/u（σ）和Xu/vare独立且SUP0≤U≤五、≤1（EEv/u（σ）+EeRvubs）∞ （B.1）因为B和σ是有界的。表示δ=θ（v- u） 。这很容易检查（Xu/v）- 1） =eδ（eξ+eξ）- 2eδEξ+1。（B.2）首先让我们展示E（Xu/v- 1)≤ Cδ，对于某些常数C.显然，对于任何单位区间[a，b]，|ex- 1| ≤ 根据泰勒近似。根据条件（C），Eξ<∞.如果Eξ=0，那么E（Xu/v- 1） =eδeξ- 1.≤ Cδ。类似地，在Eξ+Eξ=0的情况下，一个有Eξ6=0，因此E（Xu/v- 1） =eΔξ- 1.≤ Cδ。最后，如果Eξ和Eξ+Eξ都是非零的，则可以估计E（Xu/v）-1） 由| eδ（eξ+eξ）-1 |+2 | eδeξ-1| ≤ Cδ。用同样的论点，我们可以很容易地证明e（Eu/v（σ）- 1)≤ Cδ和E（ebv/u）- 1)≤ Cδ。（B.3）显然，E（Su- Sv）=ESuESvSu- 1.和SuSv- 1.≤ 2.ebv/u（Eu/v（σ）- 1） +（ebv/u）- 1） +ebv/uEu/v（σ）（Xu/v）- 1). （B.4）引理B.1，sup0≤U≤1ESv<∞. 现在，通过（B.4）中的期望，并使用（B.1），（B.2）和（B.3）得出结论。C带跳跃的随机微分方程在本节中，我们回顾了带跳跃的随机微分方程（SDEJ）理论的基本结果，其形式为Dyt=α（t，yt）dt+α（t，yt）dWt+dζt，（C.1）在初始值为y的时间间隔[0，t]，其中（3.2）中定义的过程ζtde与布朗运动（Wt）t无关≥0和Ey<∞.我们首先回顾Novikov不等式[35]（也称为Bichteler–Jacod不等式，见[6,30]），它提供了纯间断局部鞅的上确界矩的上界：E sup0≤T≤n |Υ* （J）- ν） t|p≤ 内容提供商E|Υ|* νnp/2+E|Υ| p* νn, （C.2）对于p≥ 2和任何n≥ 0，其中CPI是一个正常数。定理C.1。假设αi，i=1，2是局部Lipschitz和线性有界函数，Ey<∞ 这个条件（3.4）成立。

然后，存在一个初始值为yandE（sup0）的唯一解ytto（C.1）≤T≤Tyt）<C（T）（1+ey）<∞. （C.3）此外，对于任何0≤ s≤ T≤ T，存在一个正常数C，使得e | yt- Y|≤ C|t- s |。（C.4）证据。解的存在性和唯一性取决于SDE使用的经典方法，例如参见[16]中的定理2.2。为了证明（C.4），我们注意到e | yt- Y|≤ 3EZtsα（u，yu）du+ 3ZtsEα（u，yu）du+3E（ζt- ζs）。利用α，α和（C.3）的线性有界性Ztsα（u，yu）du≤ C|t- s|Zts（1+Eyu）du≤ C|t- s |。类似地，Eα（u，yu）du≤ CRts（1+Eyu）du≤ C|t- s |。不等式（C.2）（p=2）直接表示e（ζt- ζs）≤ C|t- s |对于某些常数C>0。因此，结论如下。参考文献[1]H.Ahn、M.Dayal、E.Grannan和G.Swindle。带有交易成本的期权复制：一般差异限制。安。阿普尔。Probab。，8(3):676–707, 1998.[2] 安徒生和皮特伯格。随机波动模型中的矩爆炸。《金融与随机》，2007年11:29-50。[3] D.阿普尔鲍姆。鞅值测度，hilbert空间中具有跳跃和算子自分解的ornstein-uhlenbeck过程。在S\'eminaire de Probabilit\'es 39，《1874年数学课堂讲稿》，第171-196页。柏林斯普林格，2006年。[4] 巴兰先生。按比例交易成本市场上的分位数套期保值。华沙应用数学，30:193–208，2010。[5] 巴尔斯基先生。多资产衍生工具的分位数套期保值。预印本可用athttp://arxiv.org/PScache/arxiv/pdf/1010/1010.5810v2。pdf，2011年。[6] K.比切特勒和J.贾科德。随机测度与随机积分。随机场的理论和应用，第1-18页。斯普林格，1983年。[7] M.Bratyk和Y.Mishura。

涉及有限个布朗运动和分数布朗运动的价格过程模型分位数套期保值问题的推广。随机过程理论，14（3-4）：27-382008。[8] 蔡俊杰和福泽明。小交易成本下波动率修正的渐近复制。《金融与随机》，20（2）：381-4312016。[9] R.康特和P.坦科夫。具有跳跃过程的金融建模。CRC数学系列。查普曼与霍尔，2004年。[10] J.Cvitani\'c和I.Karatzas。交易成本下的套期保值和投资组合优化：鞅方法。《数学金融》，1996年6:133–165。[11] S.Darses和L.L\'epinette。不稳定交易成本率下修正leland套期保值策略的极限定理。在Musiela Festschrift Springer音乐厅。斯普林格，2013年。[12] R.埃利和L.伊皮内特。对交易资产量的非线性交易成本进行近似对冲。《随机与金融》，19（3）：541-5812013。[13] B.埃雷克。股票价格波动率和波动率会上升吗？核对现货和期权价格的证据。《金融杂志》，59（3）：1367-14042004。[14] B.埃拉克里、M.约翰尼斯和N.波尔森。波动性和回报率跳跃的影响。《金融杂志》，58（3）：1269-1300，2003年。[15] H.Follmer和P.Leucert。分位数对冲。《金融随机》，3:251–273，1999年。[16] A.弗里德曼。随机微分方程及其应用。学术出版社，1975年。[17] Fukasawa先生。交易成本下的保守三角洲对冲。《金融工程近期进展2011》，第55-72页。2012年[18]M.Fukasawa。有效地离散随机积分。《金融与随机》，18（1）：175–208，2014年1月。[19] E.R.格兰南和G.H.诈骗。最小化期权对冲策略的交易成本。《数学金融》，6（4）：341-3641996。[20] P.霍尔和C.C.海德。鞅极限理论及其应用。学术出版社，1980年。[21]Y。

卡巴诺夫和S·佩尔加门奇科夫。l′evy驱动线性随机方程的破产问题及其在负风险和精算模型中的应用。arXiv预印本XIV:1604.06370，2016年。[22]Y.卡巴诺夫和M.萨法里安。论leland的交易成本期权定价策略。《金融与随机》，1:239-250，1997年。[23]Yu M.Kabanov和M.Safarian。有交易成本的市场：数学理论。施普林格-柏林维拉格酒店。，2009年[24]郭世杰。金融工程中资产定价的跳差模型。在R.B.Johnand V.Linetsky的《运筹学与管理科学手册》第15卷第2章第73-116页中。爱思唯尔，2007年。[25]H.利兰。带有交易成本的期权定价和复制。《金融杂志》，40:1283-13011985。[26]E.L\'epinette和T.Tran。具有比例交易成本的局部波动模型中的近似套期保值。《应用数学金融》，21（4）：3132014。[27]伊皮内特。3月e日avec c^outs de transaction：近似利兰套利。博士论文，法国巴黎大学，2008年。[28]伊皮内特。修改了leland的恒定交易成本率策略。《数学金融》，第22（4）页，2012年。[29]P.-L.狮子和M.穆西埃拉。随机波动率模型的相关性和界。安。I.H.Poincar\'e，24:1-162007。[30]C.Marinelli和M.R¨ockner。关于有限维纯间断鞅的极大不等式。在S\'eminaire de Probabilit\'es XLVI中，第293-315页。斯普林格，2014年。[31]R.C.默顿。基础股票收益不连续时的期权定价。《金融经济学杂志》，3:125-1441976。[32]H.T。。阮。交易成本的近似套期保值和随机波动市场中的Leland算法。鲁昂大学博士论文，2014年。[33]T.Nguyen和S.Pergamenschikov。

随机波动市场中具有交易成本的近似套期保值问题。《数学金融》，27（3）：832–8652017。[34]T.H.阮。多资产按比例交易成本的近似套期保值。工作文件，2013年。[35]A.诺维科夫。关于间断鞅。概率论及其应用，20（1）：11-261975。[36]A.诺维科夫。以给定的概率对期权进行套期保值。概率论及其应用，43（1）：135–143，1997。[37]S.M.佩尔加门希科夫。利兰策略的极限定理。《应用概率年鉴》，13:1099-11182003。[38]W.J.伦格尔迪耶。跳跃扩散模型。在S.T Rachev主编的《金融中的重尾分配手册》第5章第1099-1118页。Elsevier，2003年。[39]P.坦科夫和M.布罗登。指数l’evymodels中离散套期保值的跟踪误差。《理论与应用金融》，2011年第14期，第1-35期。[40]P.坦科夫和E.沃尔奇科娃。跳跃模型中套期保值误差的渐近分析。《随机过程及其应用》，119:2004–2027，2009。