有关更多详细信息，请参见[5]的第10.1节。2准备工作2准备工作2。1数值方法我们简要回顾了Carr–Madan方法，这是一种基于FFT的期权定价数值方法。由[6]引入的FFT是一种数值方法，用于计算给定b yF（l）：=N的离散傅里叶变换-1.∑j=0e-i（2π/N）jlxj（4）对于l=0，N- 1，其中{xj}j=0，。。。，N-1是R上的序列，其中N通常是2的幂。与通常的傅里叶变换方法的O（N）相比，FFT只需要O（N logN）算术运算。卡尔-马丹方法的目的是有效计算E[（ST-K） +]当S是P-鞅时。回想一下，我们只考虑利率为零的情况。表示k:=logk和C（k）：=E[（ST-ek）+]，我们有c（k）=πZ∞E-i（v）-iα）kφ（v）- iα- i） i（v）-iα[i（v）]-iα）+1]dv（5）表示α>0且E[Sα+1T]<∞, 其中φ是LT的特征函数。注意，（5）的右侧与α的选择无关。现在，wedenoteψ（z）：=φ（z）-i） iz（iz+1）代表z∈ C.使用梯形法则，我们可以由此近似C（k）asC（k）≈πN-1.∑j=0e-i（ηj）-iα）kψ（ηj）-iα）η，（6）其中N表示网格点的数量，η>0表示相邻网格点之间的距离。（6）的右边对应于区间[0，Nη]上（5）中的积分，所以我们需要指定N和η，以便πZ∞Nηe-i（v）-iα）kψ（v）-iα）dv< ε（7）表示足够小的值ε>0，表示允许误差。通过合并辛普森的规则权重，我们可以重写（6）asC（k）≈πN-1.∑j=0e-i（ηj）-iα）kψ（ηj）- iα）η（3+(-1） j+1-δj），其中δjis是Kroneckerδ函数。我们定义（l）：=e-αkπN-1.∑j=0e-i2πNjleiπjψ（ηj-iα）η（3+(-1） j+1-δj）2对于l=0，N-1，它是（4）中给出的离散傅里叶变换。

ThisyieldsC（k）≈ Fk+πηNη2π.只要我们取η，使| k |<π/η，我们就可以利用FFT来计算（k）。2.2积分表示我们接下来将推导出（1）和（2）中定义的I和I的积分表达式，并对它们进行迭代，从而使Ca rr–Madan方法可用。回想一下，假设1.1应用程序贯穿始终。从第2.1小节中可以看出，如果Iandia以与（5）相同的形式表示，我们可以通过Carr–Madan方法计算它们。因为在P*, （5）中ψ对应的函数应包括LT的特征函数-tunder P*, 用φT表示-t（z）：=EP*[eizLT-t] 为了z∈ C.首先，我们导出I（=EP）的积分表示*[1{ST>K}ST|Ft-])φT-t使用[20]中的命题2：命题2.1。对于K>0，EP*[1{ST>K}·ST | Ft-] =πZ∞K-四、-α+1α -1+ivφT-t（v- iα）Sα+ivt-dv（8）适用于所有t∈ [0，T]和α∈ （1，2）.注意，右边与α的选择无关.证明.定义G（x）：=1{x>K}·x，G（x）：=G（ex）对于任何x∈ R、 和^g（z）：=RReizxg（x）dx表示任何z∈ 我们使用一个引理：引理2.2。让我成为L的一个独立副本。那么，我就不会了-t+Lt-P*-d=LTT代表所有∈ [0，T]，其中AP*-d=B表示P定律中的A=B*.引理2.2的证明。[2]的命题I.7暗示P*（Lt-= Lt）=1。因此，LtP*-d=Lt-. 因为L’evy过程有独立的和固定的增量，所以我们有LT=LT- Lt+LtP*-d=L′T-t+Lt。回到命题2.1的证明，从引理2.2我们得到了*[1{ST>K}·ST|Ft-] = EP*[G（ST）|英尺-] = EP*[g（L′T-t+Lt-) | 英尺-]=ZRg（x+Lt）-)p（dx），其中p（A）：=p*（我没有-T∈ A） 对于任何一个∈ B（R）。

根据[20]中第2点的证明（22）-（25），如果有α∈ （1,2]满足2个初步条件（a）g（x）e-αx是R，（b）g（x）e上的有限变化-αx∈ L（R）、（c）EP*[eαLT-t] <∞, 和（d）RR |φT-t（v-iα）|1+|v|dv<∞,thenZRg（x+Lt）-)p（dx）=2πZR^g（v+iα）φT-t(-五、- iα）Sα-ivt-α∈ （1，2），这与α的选择无关。因此，在条件（a）-（d）下，我们有*[1{ST>K}·ST|Ft-] =2πZR^g（v+iα）φT-t(-五、-iα）Sα-ivt-dv=πZ∞^g(-v+iα）φT-t（v-iα）Sα+ivt-dv=πZ∞K-四、-α+1α -1+ivφT-t（v-iα）Sα+ivt-dv。我们只需确认条件（a）-（d）成立即可。条件（a）和（b）是显而易见的。为了证明条件（c），有必要显示-T∈ L（P*)无论如何∈ [0，T]。注意，我们有ZR（例如-1） νP*（dx）=ZR（ex-1） ν（dx）+uS |σ+RR（ex-1） ν（dx）ZR（ex）-1） ν（dx）<∞ .因为S是dSt=St的解决方案-（σdWP）*t+RR（前- 1） 恩普*[18]中的定理117暗示了∈[0，T]| St |∈ L（P*).接下来，我们展示条件（d）。注意φT-t（v- iα=EP*经验（iv+α）u*（T）-t） +σWP*T-t+ZRxeNP*（[0，T-t] ，dx）.（9） 在右手边，我们有EP*经验（iv+α）ZRxeNP*（[0，T- t] ，dx）≤ EP*经验αZRxeNP*（[0，T- t] ，dx）< ∞ , （10） 2.预备工作*eαLT-T= EP*经验αu*（T）- t） +σWP*T-t+ZRxeNP*（[0，T- t] ，dx）= eu*（T）-t） EP*eασWP*T-TEP*eαRRxeNP*（[0，T-t] ，dx）,EP*eασWP*T-T= expnασ（T）- t） 哦，还有EP*eαLT-T< ∞. 此外，我们获得EP*[exp{（iv+α）σWP*T-t} ]= 经验(α-v） σ（T）-（t）. （11） 因此，我们得到了（9）-（11）ZR |φT-t（v- iα）|1+|v | dv<CZR1+|v | exp-σ（T）-t） 五dv<∞对于一些C>0的人来说。这就完成了命题2.1的证明。我们将（8）演化成与（5）相同的形式，如下所示：I=EP*[1{ST>K}·ST|Ft-] =πZ∞K-四、-α+1α - 1+ivφT-t（v-iα）Sα+ivt-dv=ekπZ∞E-i（v）-iα）kψ（v）-iα）dv（12），其中k:=logk和ψ（z）：=φT-t（z）sidt-伊兹-1关于z∈ C.因此，我们可以根据第2小节用FFT计算I。

1.我们转到I的旁边*[（STex-（K）+-（圣-K） +|英尺-]（例如-1） ν（dx））。首先，我们有以下积分表示：命题2.3。对于任何K>0，EP*[（圣-K） +|英尺-] =πZ∞K-四、-α+1φT-t（v-iα）Sα+ivt-(α - 1+iv）（α+iv）dv（13）对于任何t∈ [0，T]和任意α∈ （1，2）。注意，右边与α证明的选择无关。我们可以在与命题2.1b相同的情况下看到这一点，但G（x）=（x）- K） +。注意，（13）与（5）重合，其中α- 1 in（13）c对应于αin（5）。2表示ψ（z）：=φT的预备句-t（z）sidt-（伊兹）-1） Izz∈ C和ζ：=v-我知道了*[（圣-K） +|英尺-] =πZ∞K-四、-α+1φT-t（v-iα）Sα+ivt-(α - 1+iv）（α+iv）dv=πZ∞K-iζ+1φT-t（ζ）Siζt-（iζ- 1） iζdv=πZ∞K-iζ+1ψ（ζ）dv=：f（K）。（14） 注意，f（K）是用FFT计算的。此外，Fubini定理也意味着i=ZREP*[（STex-（K）+-（圣- K） +|英尺-]（例如-1） ν（dx）=ZRexf（e）-xK）- f（K）（例如-1） ν（dx）=ZRexπZ∞（克-十）-iζ+1ψ（ζ）dv-πZ∞K-iζ+1ψ（ζ）dv（例如-1） ν（dx）=ZRπZ∞（eiζx）-1） K-iζ+1ψ（ζ）dv（例如-1） ν（dx）=πZ∞K-iζ+1ZR（eiζx）-1） （例如-1） ν（dx）ψ（ζ）dv，（15）与（5）的形式相同，因为（15）的被积函数是ζ的函数。然而，我们不能按目前的数值计算（15），因为不可能计算积分rr（eiζx）-1） （例如-1） ν（dx）直接。因此，我们需要进行进一步的模型相关计算。在第3节和第4节中，我们分别将（15）演化为埃尔顿跳跃扩散模型和方差伽马模型的傅里叶变换的线性组合。备注2.4。关于St的LRMt、I和Ias功能-还有K，我们有-, K） /St-= 二（1，K/St）-) 对于i=1，2乘（8）和（15），以及lrmt（St-, K） =σI（St-, K） +I（圣-, K） 圣-σ+RR（ex-1） ν（dx）=σI（1，K/St）-) + I（1，K/St）-)σ+RR（ex-1） ν（dx）乘以（3）。因此，LRM是K/St的函数-=: mt-, 山在哪里-这就是所谓的金钱。因此，我们用LRMt（mt）来表示LRMt-). 作为其副产品，我们可以分析LRM上的跳转im协议。

如果进程L有一个大小为y的跳转∈ 鼠时间，鼠时间，鼠时间，鼠时间-变成机器翻译-E-在跳跃发生的那一刻。因此，LRM也与LRMt（mt）不同-) 至LRMt（mt）-E-y） 。我们可以考虑不同的LRMt（mt-E-y）- LRMt（mt）-) 作为跳跃冲击。特别是LRMt（e-y）- LRMt（1）代表了当期权处于价格时的跳跃影响。备注2.5。此后，我们将∈ （1，2]任意。此外，我们表示ζ：=v-iα代表v∈ R、 因此，我们可以将ζ视为v.3默顿跳跃扩散模型3默顿跳跃扩散模型的函数。我们考虑的情况是，L是一个默顿跳跃扩散过程，它由波动率σ>0的扩散分量和三参数的复合泊松跳跃组成，m∈ R、 δ>0，γ>0。注意，γ代表跳跃强度，跳跃的大小以平均m和v变化δ正态分布。因此，它的L′evy测度ν被给出byν（dx）=γ√2πδexp-（十）- m） 2δdx。当需要强调这些参数时，我们把ν写成ν[γ，m，δ]。请注意，假设1.1的第一个条件适用于任何m∈ R、 δ>0，γ>0。此外，第二个条件相当于0≥ u +σ+ γ经验m+δ-1.- M和u+3σ+γexp（2m+2δ）- 经验m+δ-M> 0.我们只考虑参数满足假设1.1.3.1数学预备条件的情况。我们有三个步骤：（1）给出φT的解析形式-t（z）（：=EP*[eizLT-t] ）；（2） 将（15）演化为三个傅里叶变换的线性组合；（3）给出Nη的充分条件，其中（7）对给定ε>0成立。首先，我们给出φT的解析形式-t、 为此，我们首先计算νP*.提议3.1。我们有νP*（dx）=ν[（1+h）γ，m，δ]（dx）+ν-hγexp2m+δ, m+δ，δ（dx），（1）式中h:=uSσ+RR（ex-1） ν（dx）。证据假设1.1,0≥ h>-1.

因此，νP*（dx）=（1）- θx）ν（dx）=（1）- h（前）-1） v（dx）=（1+h）v（dx）- hexν（dx）.3默顿跳扩散模型，exν（dx）=γ√2πδexp十、-（十）- m） 2δdx=γ√2πδexp-[x]- （m+δ）]2δ+2m+δdx=νγexp2m+δ, m+δ，δ（dx），其中（1）如下。接下来，我们计算φT-t（ζ）表示t∈ [0，T]。提议3.2。无论如何∈ [0，T]和v∈ R、 ζ：=v-iα，φT-t（ζ）=exp（T）- （t）我知道*-σζ+ZR（eiζx）-1.- iζx）νP*（dx）= exp（（T-t） “我很高兴*-σζ+（1+h）γ（eimζ）-ζδ-1.- imζ）-hγe2m+δ[ei（m+δ）ζ-ζδ-1.-iζ（m+δ）#）。证据我们只需要证明第一个等式：φT-t（ζ）=EP*经验我ζu*（T）- t） +σWP*T-t+ZRxeNP*（[0，T-t] ，dx）= exp{（T）-t） 我知道*}EP*[ei]可湿性粉剂*T-t] EP*经验iζZRxeNP*（[0，T-t] ，dx）= 经验（T）-（t）我知道*-σζ+ZR（eiζx）-1.-iζx）νP*（dx）.第二，我们有（15）。我们定义了ψ（z）：=ψ（z）表达式-z的δ∈ Candf（K）：=πR∞K-iζ+1|ψ（ζ）dv。请注意，f是用FFT以及（14）中定义的f计算的。下面的命题证明了（15），即三个傅里叶变换的线性组合给出的Iis。提案3.3。我们有ZREP*[（STex- （K）+- （圣-K） +|英尺-]（例如-1） ν（dx）=γe2m+δ≈f（Ke-M-δ) - γem~f（Ke）-m） +γ（1）- 任意t的em+δ）f（K）（2）∈ [0，T].3默顿跳扩散模型。我们计算了ezr（eiζx）-1） （例如-1） ν（dx）=ZR（e（iζ+1）x-eiζx+1- ex）ν（dx）=γexp（iζ+1）m+δ（iζ+1）-γexpiζm-δζ+ γ(1 - em+δ）。因此，我们得到（15）=γπem+δZ∞eiζ（m+δ）K-iζ+1e-Δζψ（ζ）dv-γπZ∞（克-m）-iζ+1eme-Δζψ（ζ）dv+γ（1）- em+δ）f（K）=γe2m+δf（Ke）-M-δ) - γem~f（Ke）-m） +γ（1）- em+δ）f（K）。第三，我们为乘积Nη提供了充分条件，在该条件下（7）保持给定的允许误差ε>0。首先，我们确定φT的n上估计-t、 提议3.4。我们有|φT-t（v- iα）|≤ Cexp-σv（T）- （t）对于任何v∈ R、 式中c=exp（T）- （t）αu*+σα+ZR（eαx）-1.- αx）νP*（dx）= exp（（T-t） “αu*+σα+（1+h）γ（emα+αδ-1.- αm）-hγe2m+δe（m+δ）α+αδ-1.- α（m+δ）#).证据

命题3.2暗示φT-t（v-iα=exp（T）- （t）i（v）- iα）u*-σ（v）-iα）+ZR（ei（v）-iα）x-1.-i（v）- iα）x）νP*（dx）= 经验（T）- （t）（iv+α）u*-σ（v）-2iαv- α） +ZR（e（iv+α）x-1.-（iv+α）x）νP*（dx）= 经验（T）- t） 四u*+ σα -ZRxνP*（dx）经验（T）- t） ZRe（iv+α）xνP*（dx）×exp（T）- （t）αu*-σ（v）- α） +ZR(-1.-αx）νP*（dx）.3默顿跳跃扩散模型经验（T）-t） RRe（iv+α）xνP*（dx）≤ 经验（T）-t） RReαxνP*（dx）,我们有|φT-t（v- iα）|≤ 经验（T）-（t）αu*-σ（v）-α） +ZR（eαx）-1.- αx）νP*（dx）.下面的命题3.5和命题3.6给出了Nη的充分条件，在此条件下，对于给定的允许误差ε>0，分别满足（7）。提案3.5。设ε>0，t∈ [0，T）.当a>0满足πKSt--αC！1/4σ√T- tε1/4≤ a、 （3）我们有πZ∞aK-四、-α+1α -1+ivφT-t（v- iα）Sα+ivt-dv≤ ε.证据注意到-十、≤ 十、-2对于任何x>0的情况，根据命题3.4，πZ∞aK-四、-α+1α -1+ivφT-t（v- iα）Sα+ivt-dv≤πZ∞aK-α+1|α -1+iv | |φT-t（v- iα）| Sαt-dv≤KπKSt--αZ∞a |α-1+iv | Ce-σv（T）-t） dv≤KπKSt--α-CZ∞avσv（T）- （t）-2dv=KπKSt--α-CZ∞a4v型-5σ（T）- t） dv=KπKSt--αCσ（T）-t） a≤ ε .提议3.6。设ε>0，t∈ [0，T）.如果a>0满足4cγK5πσ（T- t） εKSt--αe（α+1）m+（α+α+）δ+emα+δα+|1- em+δ|≤ a、 （4）那么πZ∞aK-iζ+1ZR（eiζx）-1） （例如-1） ν（dx）ψ（ζ）dv< ε . （5） 3默顿跳扩散模型。首先，我们是刺激者∞a |ψ（ζ）|dv。注意到（iζ- 1） 我ζ=（iv+α-1） （iv+α）≤v、 提议3.4暗示∞a |ψ（ζ）|dv=Z∞A.φT-t（v-iα）Si（v）-iα）t-（iζ- 1） 我ζdv≤ CSαt-Z∞ae-σv（T）-t） vdv≤4CSαt-σ（T）- t） Z∞av-6dv=4CSαt-5σ（T）- t） a.因此，命题3.3意味着tL.H.S。

第（5）部分=γe2m+ΔπZ∞a（克）-M-δ)-iζ+1¨ψ（ζ）dv-γemπZ∞a（克）-m）-iζ+1¨ψ（ζ）dv+γ（1）-em+δ）πZ∞aK-iζ+1ψ（ζ）dv≤γπZ∞A.e2m+δ（Ke-M-δ)-四、-α+1-em（Ke）-m）-四、-α+1|ψ(ζ)|E-δζdv+γ| 1- em+δ|πZ∞答| K-四、-α+1 | |ψ（ζ）| dv≤γπZ∞ane2m+δ（Ke-M-δ)-α+1+em（Ke）-m）-α+1o |ψ（ζ）|e-δ（v）-α） dv+γ| 1- em+δ|πZ∞aK-α+1 |ψ（ζ）|dv≤γK-α+1πe（α+1）m+（α+α+）δ+emα+δα+|1- em+δ|Z∞a |ψ（ζ）|dv≤4CγK5πσ（T- t） aKSt--αe（α+1）m+（α+α+）δ+emα+δα+|1- em+δ|≤ ε.3.2数值结果如前一小节所示，分别用（12）和（2）代替Iand，我们可以用FFT计算（3）中给出的LRmt。请注意，我们需要命题3.2来计算ψ、ψ和|ψ。在本小节中，我们提供了参数T=1，u=-0.7，σ=0.2，γ=1，m=0，δ=1。注：tuSis由-0.03，满足假设1.1的第二个条件。在3 MERTON跳跃扩散模型中，我们特别考虑以下两种情况：首先，将执行价格Kto 1，我们计算t=0，0.05，0.95. 其次，t固定为0.5，我们将K从1变为8，步长为0.25，并计算LRM0。5.注意我们要-= 1无论t的值是多少。此外，我们选择了=2，η=0.025，nadα=1.75作为与FFT相关的参数。那么Nη=409.6。对于上文提到的任何p参数集，（3）和（4）都满足=10-2.图1显示了这两种情况的结果。获得图1（b）的计算时间为0.59秒。请注意，本文中的所有数值实验都是使用MATL AB（8.1.0.604 R2013a）在具有16 GB 1333 M Hz DDR3内存的Tel Core i7 3.4 GHz CPU上进行的。3默顿跳扩散模型0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10.9860.9880.990.9920.9940.9960.998tLRMt（a）行使价格K=1且到期日T=1的看涨期权的LRMT。

参数为u=-0.7，σ=0.2，γ=1，m=0，δ=1.123456780.70.750.80.850.90.951KLRM0。5（b）LRM0。5对于与（a）和履约价格K相同的默顿跳跃扩散模型，纵轴代表LRM0的值。5图1：默顿跳跃扩散模型4方差伽马模型4方差伽马模型我们现在考虑L作为方差伽马过程给出的情况。请注意，L没有扩散分量。这意味着σ=0，即Ivanishes。方差伽马过程，有三个参数κ>0，m∈ R、 δ>0定义为波动率δ、漂移m和隶属度Gt的时间变化布朗运动，其中Gt是带参数（1/κ，1/κ）的ga mma过程。总之，L表示为t的lt=mGt+δbgtf∈ [0，T]，其中B是一维标准布朗运动。此外，L的L′evy度量由ν（dx）=C（1{x<0}e给出-G |x |+1{x>0}e-M |x |）dx |x |=C（1{x<0}eGx+1{x>0}e-Mx）dx | x |，其中c:=κ，G:=δrm+2δκ+mδ，m:=δrm+2δκ-mδ。请注意，C、G和M是正的。为了强调这些参数，我们用p参数κ，m和δ来表示ν（dx）=ν[κ，m，δ]（dx）。此外，通过将C、G和M视为参数，我们可以将ν表示为ν（dx）=νC、G、M（dx）。此外，我们在本节中假设M>4，这确保假设1.1的第一个条件通过以下引理成立：引理4.1。当M>4时，RR（例如-1） nν（dx）<∞ 对于n=2，4。证据对于n=2，4，我们有z∞（例如-1） nν（dx）≤ CZ∞e（n）-M） xdx<∞ ,Z（前-1） nν（dx）≤Zxn（e）- 1） nν（dx）≤ C（e）-1） n<∞ ,Z-1（前）-1） nν（dx）≤Z-1(-x） nν（dx）≤ CZ-1(-x） n-1dx<∞ ,Z-1.-∞（例如-1） nν（dx）≤Z-1.-∞ν（dx）≤ CZ∞E-Gxdx<∞ ,因为- M<0,0≤ 前任-1.≤ x（e）- 1） 每当x∈ [0,1]，1+x≤ 无孔x∈ R、 还有前任≤ 1如果x≤ 0.备注4.2。

我们可以推广这个引理toRR | ex-1|aν（dx）<∞ 对于任何一个∈[1，M）.4方差伽马模型由于u=RRxν（dx），（2）低意味着假设1.1的第二个条件可以重写为log（M）-1） （G+1）（M）-2） （G+2）> 0≥ 日志MG（M）-1） （G+1）,这相当于-3<克- M≤ -1.4.1数学初步研究方差伽马模型的方法与第3.1小节中的方法类似。我们首先计算νP*.提案4.3。νP*（dx）=ν（1+h）C，G，M（dx）+ν-hC，G+1，M- 1（dx），其中h=uSRR（ex-1） ν（dx）。证据根据与命题3.1相同的论点，νP*（dx）=（1+h）ν（dx）-十六进制ν（dx）。对于任意λ>0，我们有λνC，G，M（dx）=νλC，G，M（dx）=exC（1{x<0}eGx+1{x>0}e-Mx）dx | x |=C（1{x<0}e（G+1）x+1{x>0}e-（M）-1） x）dx | x |=νC，G+1，M-1（dx）因为M-1 > 0.备注4.4。对于任何λ>0的情况，λν[κ，m，δ]（dx）是一个L′evy度量，对应于参数为κ/λ，λm和δ的方差伽马过程√λ. 然而，νC，G+1，M-1（dx）不一定是与方差伽马过程相对应的L’evy度量。接下来我们计算特征函数φT-tof L低于P*:提案4.5。无论如何∈ [0，T]和v∈ R、 ζ：=v-iα，我们有φT-t（ζ）=1+iζG1.-iζM-（1+h）（T）-t） C1+iζG+11.-iζM-1.h（T）-t） C×exp（T）-t） 我ζu*+ （1+h）厘米- GGM-hCM- G- 2（G+1）（M）-1),在哪里*=RR（x）- ex+1）νP*（dx）.4方差伽马模型。首先，我们有∞（eiζx）-1） e-mxdx=Z∞E-（M）-α-iv）x-E-mxdx=Z∞E-（M）-α-iv）x-E-（M）-α） x+e-（M）-α） x- E-mxdx=iZ∞E-（M）-α） xZveitxdt dx+Z∞ZMM- αe-txdt dx=iZvZ∞E-（M）-α-it）xdx dt+ZMM- αZ∞E-txdx dt=logM-αM-α -四、+ 日志嗯-α= -日志1.-iζM,（1） 它提供Zr（eiζx-1） νC，G，M（dx）=CZ-∞（eiζx）-1） eGx-xdx+CZ∞（eiζx）-1） e-Mxxdx=- C日志1+iζG+ 日志1.-iζM.此外，我们还有ZrxνC，G，M（dx）=-CZ-∞eGxdx+CZ∞E-Mxdx=-厘米-嗯。连同提案4。

3，我们得到了Zr（eiζx）-1.- iζx）νP*（dx）=对数1+iζG-（1+h）C+log1.-iζM-（1+h）C+log1+iζG+1hC+对数1.-iζM- 1.hC+i（1+h）CζM- GGM-ihCζM-G- 2（G+1）（M）- 1） ，第4.5条命题由此而来。现在，我们将（15）转化为两个傅里叶变换的线性组合，以允许使用FFT。作为准备，我们展示如下：引理4.6。ZReiζx（ex-1） ν（dx）=C对数M-iζM-1.-iζG+iζG+1+iζ. （2） 4.方差伽马模型。首先，我们有zreiζx（ex-1） ν（dx）=ZRe（iv+α）x（ex-1） ν（dx）=CZ∞1.- exxe-（G+α+1+iv）xdx+Z∞前任-1xe-（M）-α-iv）xdx. （3） 为了计算（3），我们计算∞前任-1xe-axcos bx dx和Z∞前任-1xe-axsin bx DXA>1和b∈ R.首先，我们有∞前任-1xe-axcos bx dx=Z∞因为bxxZaa-1xe-txdt dx=Zaa-1Z∞cos bx·e-txdx dt=Zaa-1tt+bdt=loga+b（a）-1） +b. （4） 类似的计算表明∞前任-1xe-axsin bx dx=Zaa-1bt+bdt=tan-1ab-棕褐色的-1a- 1b。（5） 注意到我- α>2和棕褐色-1x=ilogi+xi-x或x∈ R、 在（4）和（5）之前，我们有Z∞前任-1xe-（M）-α-iv）xdx=Z∞前任-1xe-（M）-α） xcos vx dx+iZ∞前任-1xe-（M）-α） xsin vx dx=log（M）- α） +v（M）- α - 1） +v+ 我棕褐色的-1米- αv-棕褐色的-1米-α -1v= 日志M- α -ivM-α -1.-四、. （6） 用与上述相同的方法计算（3）右侧的第一项，我们得到Z∞1.- exxe-（G+α+1+iv）xdx=logG+α+ivG+α+1+iv. （7） 用（6）和（7）代替（3），我们得到了（2）。4方差伽马模型。根据上述引理，Iis给出如下：*[（STex-（K）+-（圣-K） +|英尺-]（例如-1） ν（dx）=πZ∞K-iζ+1ZR（eiζx）-1） （例如-1） ν（dx）ψ（ζ）dv=πZ∞K-iζ+1eψVG（ζ）dv-πZ∞C日志MG（M）-1） （G+1）K-iζ+1ψ（ζ）dv。（8） 式中eψVG（ζ）：=C logM-iζM-1.-iζG+iζG+1+iζψ(ζ).回想一下ψ（ζ）=φT-t（ζ）Siζt-（iζ-1） 我是ζ。

因此，我们只需使用两次FFT来计算I。作为本小节的最后一项，我们估计了（8）的积分区间的足够长度，即（7）意义上的给定允许误差ε>0。我们首先提供φT的上限估计值-助教如下：4.7号提案。对于任何v∈ R、 |φT-t（v- iα）|≤ C | v|-2C（T）-t） 式中c=（GM）（1+h）（t）-t） C[（G+1）（M）- 1)]-h（T）-t） C×exp（T）- t） αu*+ （1+h）厘米-GGM-hCM-G- 2（G+1）（M）-1).（9） 证据。这是因为1+iv+αG-A.≤Ga | v | afor任何a>0。我们需要再准备一个引理：引理4.8。ZReiζx（ex-1） ν（dx）≤ CG+α+M-α -1.. （10） 4.方差伽马模型。与（1）中的计算方法相同ZReiζx（ex-1） ν（dx）≤ CZ∞1.- exxe-（G+α+1+iv）xdx+Z∞前任-1xe-（M）-α-iv）xdx≤ CZ∞前任-1xe-（G+α+1）xdx+Z∞前任-1xe-（M）-α） xdx= C日志1+G+α+ 日志1+M-α -1.≤ CG+α+M-α -1..当我们计算（8）时，应取N和η，以便在给定允许误差ε>0的情况下，Nη满足度（11）较低。提案4.9。设ε>0。当sat评分>0时-α+1Sαt-πε（2C（T-t） +1）G+α+M- α -1+日志MG（M）-1） （G+1）≤ a2C（T-t） 我们有πZ∞aK-iζ+1ZR（eiζx）-1） （例如-1） ν（dx）ψ（ζ）dv< ε（12），其中Cis定义在（9）中。证据到10点，我们有πZ∞aK-iζ+1ZR（eiζx）-1） （例如-1） ν（dx）ψ（ζ）dv≤π(Z∞aK-iζ+1ZReiζx（ex-1） ν（dx）ψ（ζ）dv+Z∞aK-iζ+1ZR（ex-1） ν（dx）ψ（ζ）dv)≤πZ∞A.K-iζ+1ZReiζx（ex-1） ν（dx）+ZR（前-1） ν（dx）|ψ（ζ）|dv≤πK-α+1CG+α+M- α -1+日志MG（M）-1） （G+1）Z∞a |ψ（ζ）|dv.（13） 因为命题4.7暗示|ψ（ζ）|=φT-t（ζ）Siζt-（iζ- 1） 我ζ≤vC | v|-2C（T）-t） Sαt-= CSαt-|五|-2C（T）-（t）-2.4方差伽马模型和（13）R.H.S。

共（12）≤πCCK-α+1Sαt-G+α+M-α -1+日志MG（M）-1） （G+1）×Z∞a | v|-2C（T）-（t）-2dv=πCCK-α+1Sαt-G+α+M-α -1+日志MG（M）-1） （G+1）×a-2C（T）-（t）-12C（T- t） +1.4.2数值结果我们展示了方差伽马模型的数值结果。选择模型参数s作为κ=0.15，m=-满足假设1.1的第二个条件的δ=0.45，我们计算与第3.2小节中相同的数值试验的LRmt。注意，满足M>4。此外，我们还采用了与FFT相关的p参数，如第3.2小节所述。Nη满足（11）任何参数集。结果如图2所示。获得图2（b）的计算时间为0.19秒。此外，我们根据市场数据进行了与上述b相同的数值试验。我们使用了日经225指数计算2014年3月的市盈率。我们需要设置原木价格Lt:=log（St/S），其中Sis为2014年2月28日的价格，即148 41.07。我们使用广义矩法和Levenberg–Marquardt方法，从原木价格的均值、方差和偏度估计参数C、G和Min表1。表1：估算参数C 2.469395026815 120G 23.743109051760964M 24.903251787154687因为G- M≈ -1.16，该参数集满足假设1.1。我们取=1和St-= 14841.07，也就是说-= 0.首先，假设罢工价格K=14000，我们计算LRMTT=0，0.05，0.95. 接下来，将t设置为0.5，即LRM0的值。当K=10000，11000。，20000.注意Nη满足（11）。计算结果如图3.4所示，方差伽马模型0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10.9880.990.9920.9940.9960.99811.002tLRMt（a）是与图1（a）相同的数值实验结果，参数κ=0.15，m=-0

δ=0.45.1234567800.10.20.30.40.50.60.70.80.91KLRM0。5（b）对于与（a）相同的方差伽马模型，计算结果如图1（b）所示。图2：参数κ=0.15，m=-0.2，δ=0.454方差伽马模型0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10.740.760.780.80.820.840.860.88tLRMt（a）LRMTT（a）值，执行价格K=14000，St-= 对于t=0，0.05，…，为14841.07，0.95. 表1.10000 11000 12000 13000 14000 15000 16000 17000 18000 19000 2000000.10.20.30.40.50.60.70.80.91KLRM0给出了三个参数C、G和M的值。5（b）LRM0。5对于K=10000，11000，20000和S0。5= 14841.07.图3：基于2014年3月日经225指数的方差伽马模型参考确认荒井拓二感谢石井纪念证券研究促进基金会的财务支持。参考文献[1]T.Arai&R.Suzuki（2015）《电动汽车市场的局部风险最小化》。国际金融工程杂志，出版。[2] G.Bertoin（1998）L\'evy过程。剑桥：剑桥大学出版社。[3] D.Bonetti，D.Leao，A.Ohashi&V.Siqueira（2015）随机波动下动态套期保值的一般多维蒙特卡罗方法，国际随机分析杂志2015，文章ID 863165。[4] P.Carr&D.Madan（1999）使用快速傅立叶变换进行期权估值，计算金融杂志2（4），61–73。[5] R.Cont&P.Tankov（2004）带跳跃过程的金融建模。查普曼与霍尔，伦敦。[6] J.W.Cooley&J.W.Tukey（1965）复傅里叶级数的机器计算算法，计算数学19297–30。[7] C.O.Ewald，R.Nawar&T.K.Siu（2013）《指数L’evy模型中天然气衍生品的最小方差对冲：理论与经验绩效》，能源经济学36，97–107。[8] W.Kang&K。

Lee（2014）关于跳跃大小和对冲的信息，随机86889–905。[9] A.K\'elani&F.Quittard Pinon（2014）《一般列维环境下的定价、对冲和风险评估》，银行家、市场和投资者131，30–42。[10] K.Lee&S.Song（200 7）跳跃扩散模型中的内部人对冲，数量金融7，5 37–545。[11] P.Leoni，N.Vandaele&M.Vanmaele（2014）能源竞争的对冲策略，数量金融141725–1737。[12] D.B.马丹和E。塞内塔（1987）《用于特征函数估计的切比雪夫多项式逼近》，皇家统计学会期刊：B辑（统计方法学）49（2），163–169。[13] D.B.Madan，P.Carr&E.Chung（19 98）《方差伽马过程与期权定价》，欧洲金融评论2，79–105。[14] R.Merton（1976）基本股票收益不连续时的期权定价，金融经济学杂志3，125–144。参考文献[15]W.S choutens（2003）L\'evy金融过程：金融衍生品定价，约翰·威利父子公司，霍博肯。[16] M.Schweizer（2001）通过二次套期保值方法的导游。In:Mathematica l Finance手册：期权定价、利率和风险管理（E.Jouini，J.Cvitanic&M.Musiela eds），538-574。Ca mbrid ge：剑桥大学出版社。[17] M.Schweizer（2008）《多维资产和支付流的局部风险最小化》，班纳赫中心出版物83213–229。[18] R.Situ（2005）《带跳跃的随机微分方程理论及其应用》，数学与分析技术在工程中的应用，Ber lin:Springer。[19] J.L.Sol\'e，F.Utzet，J.Vives（2007）标准L\'evy过程和Malliavincalculus，随机过程及其应用117，165–187。[20] P.Tankov，（2010）《指数L’evy模型中的定价和套期保值：近期结果回顾》。

参加：2010年巴黎普林斯顿数学金融讲座（R.A.Carmona、E.Cinlar、I.Ekeland、E.J ouini、J.A.Scheinkman&A.N.Touzi Eds），319-359，柏林：S p ringer。[21]Z.Yang，C.O.Ewald&K.R.Schenk-Hoppèe（2010）在赫尔-怀特模型中对欧洲电话的局部R-最小化对冲的明确表达，社会科学中的定量和定性分析4，1–18。