弱模型依赖壁垒产品的定价

2022-5-25 12:09:21

弱模型依赖壁垒产品定价Jan Kuklinski，*Panagiotis Papaioannou和Kevin Tyloofault\'e des HEC，Universit\'e de Lausane，CH-1015 Lausane，Switzerland（日期：2018年8月22日），我们讨论了红利证书和障碍反向可转换结构化产品的定价方法。欧洲壁垒条件下的定价对于两种类型的产品都很简单，并且取决于观察到的市场期权定价的有效插值。美国壁垒条件下的产品定价需要随机建模。我们表明，对于典型的市场参数，这个随机定价问题可以系统地简化为只评估一个相当简单的随机参数，即击中障碍的不对称性。最终，pricingBonus Certificates and Barrier Reverse Convertibles with a American Barrier condition表明，其依赖于随机建模，仅在±精度范围内-例如，在此精度限制范围内，我们可以在无需随机建模的情况下对这些产品进行定价。我们证明了剩余价格分量对随机模型的弱依赖性。将这些结合起来，我们证明已经建立了一个几乎模型的独立定价程序，用于红利证书和具有美国壁垒条件的壁垒反向可转换结构化产品。一、简介结构化产品构成了现代金融世界的很大一部分。这些产品的结构方式为投资者提供了机会，让他们能够获得各种基础资产的复杂衍生品。由于它们是预包装投资，因此它们的创建方式可以满足不同的风险/回报偏好。为了使产品对投资者更有吸引力，发行人通常会引入一些额外的特征，这些特征的存在会改变工具的收益。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:23

一个非常流行的特性是引入了屏障级别。根据每种产品的结构，屏障的作用可能不同。在任何情况下，屏障的引入都会使此类产品的定价更具挑战性。在本研究中，我们重点关注BonuCerti ficate和Barrier反向可转换产品的定价。奖金证明吸引了投资者，因为它可以无限参与标的资产的上行，并根据标的资产达到临界水平的事件提供某种保护。只要不超过障碍物水平，障碍物倒车敞篷车将提供更高的性能。这种提高收益率的资产非常有趣，尤其是在当前传统投资工具回报率非常低的环境下。对于这两种仪器，突破屏障水平会对性能产生不利影响。对于欧洲工具，违约事件发生在生命周期结束时，可以使用内插期权价格得出的概率分布来计算违约概率。此外，对*1月。kuklinski@unil.chEuropean产品在这样的概率分布上起作用，不需要路径依赖的随机计算来执行估值。对于美国票据，只要价格在产品生命周期内超过壁垒水平，就会发生违约事件。计算这种破坏的概率需要路径相关的随机演算。乍一看，红利证书和BarrierReverse可转换债券具有很强的路径依赖性，这意味着需要进行深入的随机计算才能正确评估这些产品的价值。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:26

这种强大的路径依赖性计算会导致两个潜在的困难问题：（a）随机模型的选择并非没有歧义，最终的选择可能会强烈影响结果，这是一个非期望的特征。（b）假设选择了一个随机模型，则需要根据期权市场数据进行校准，并通过蒙特卡罗计算进行求解，这两个过程都可能复杂且容易出错。本文的中心结果是，我们表明，对于与市场波动性水平和障碍水平相关的典型市场配置，随机建模可以大大简化，美国红利证书（ABC）和美国障碍反向可转换债券（ABRC）的估值仅取决于一个路径相关参数，即击中障碍并越过障碍的轨迹数量与击中障碍并低于障碍如本文所示，屏障和走向之间非常典型的分离条件描述为B S<K允许在良好近似的情况下，对ABC合同∏模型ABC定价~=K-（K）-B）（pmodelH++pH-) + 调用（K，S）（1）在上面的等式（1）中，只有pmodelH+（击中屏障并结束于以上的概率和pH-isthe same but ending below）取决于随机模型，例如路径依赖。其余参数（pH-, 看涨期权（K，S）将根据期权价格数据的插值计算。我们将此结果重写为∏modelABC~=K-（K）-B）（2+δ模型）pH-+用δ模型=pmodelH调用（K，S）（2）+-pH值-pH值-. 取δmodel=0为基本的“无模型”近似值。实例表明，这给出了正确的市场价格，准确率为±%。考虑δ模型的“正确”值需要使用根据观察到的波动率表面校准的特定随机模型。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:30

正如本文所讨论的，使用两个逻辑完全不同的模型，得出的差异不超过±0.5%。这使我们得出结论，美国奖金证书goesvia的定价是一种非常有效且弱模型依赖的建模。如单独所示，相同的逻辑适用于American Barrier Reverse Convertible产品。二、具有单一基础红利证书合同（BC合同）的红利证书产品基于下图所述的障碍支付规则：损失基础红利证书（B）罢工（K）图1：红利证书支付。我们将重点关注基于单一基础的C合同。在这种情况下，支付机制通常由两个参数描述；障碍带K。对于具有欧洲障碍条件（EBC）的合同，根据到期时标的物的价值，合同的支付如下：（a）如果≥ B然后合同最后支付C=max（ST，K）。（b）如果ST<b，则合同在C=ST结束时支付。从上面可以看出，只要最后没有突破障碍，合同支付的金额就高于其初始价值。对于美国奖金认证产品（ABC），其机制是不同的。如果在合同期限内未违反屏障，例如S0<t<t>B，则合同在结束时支付以下金额：C=最大值（ST，K）（3），如果屏障已被违反，例如，对于一些twehad ST≤ B、支付是成比例的，不再受到障碍的保护：C=ST（4）市场上有针对各种基础的此类合同。典型的参数是，障碍和罢工水平约为初始现货价格的70%和105%。A.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:33

定价欧洲奖金证书我们将使用附录A中所述的内插概率对EBC合同进行定价。对于EBC，到期时基础的概率分布决定产品的价值。最终，EBC合同的预期收益为：∏interpolatedbc=πaBN+πbBN+πBH（5）∏aBN=KZKBdφρinterpolatedT（φ）（6）∏bBN=K+Z∞Kdφ（φ- K） ρ插值t（φ）（7）∏BH=ZB-∞如我们所见，价格由三项组成：（a）对于B≤ ST公司≤ K对于ST>K，支付系数为C=K（b），对于ST<b，我们得到∏bBN（C），对于ST<b，我们得到∏BH。我们可以将EBC合同的支付改写为∏interpolatedbc=∏αBN+∏βBN+∏αBH- ∏βBH（9）∏αBN=KZ∞Bdφρ插值t（φ）（10）∏βBN=Z∞Kdφ（φ- K） ρ插值t（φ）（11）∏αBH=BZB-∞dφρ插值t（φ）（12）∏βBH=ZB-∞dφ（B- φ） ρinterpolatedT（φ）（13）上述公式使用：Call（K，S）=Z∞Kdφ（φ- K） ρ插值t（φ）（14）P ut（B，S）=ZB-∞dφ（B- φ） ρ插值（φ）（15）pH-=ZB公司-∞dφφρ内插t（φ）（16）最终，EBC合同的付款为：∏内插dbc=K-（K）-B） pH值-+呼叫（K，S）-P ut（B，S）（17）上述所有量都需要计算概率密度ρ插值t（φ）。后者使用公式：ρinterpolatedT（φ≤ S）=φP utinterpolatedT（φ≤ S）（18）ρ插值（φ>S）=φCallinterpolatedT（φ>S）（19）附录A中描述了根据观察到的市场数据调整的插值期权价格的表达式以及拟合程序。插值基于两步调整：（a）根据SABR随机模型将市场价格拟合为期权价格的扩展公式（b）对尾部价格进行调整。第5章讨论了市场数据和拟合价格之间的对应关系分析。B

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-5-25 12:09:36

美国奖金认证产品的定价根据附录B中规定的条件概率，ABC合同的预期收益为：∏模型ABC=aBN+bBN+BH（20）∏aaBN=KZ∞Bdφρ模型BN（φ）（21）∏bbBN=Z∞Kdφ（φ- K） ρmodelBN（φ）（22）∏BH=Z∞-∞dφφρmodelBH（φ）（23）在上述中，我们使用未击中势垒的概率密度条件（ρmodelBN（φ））和击中势垒的条件（ρmodelBH（φ））。我们可以立即解决：ρinterpolatedBH（φ<B）=φP utinterpolatedT（φ≤ B）（24）上述情况源于这样一个事实，即如果ST<Bt，则必须击中屏障，因此ρBH（φ<B）=ρ插值（φ≤ B）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:39

另外，如果障碍在到期之前已经存在，则随机模型的鞅性质会导致：Z∞-∞dφφρmodelBH（φ）=B（25）我们进一步对（22）中给出的部分使用近似值（近似值包括忽略撞击屏障并最终在走向上方结束的轨迹的贡献-见附录B：∏bbBN=Z∞Kdφ（φ- K） ρmodelBN（φ）（26）~=Z∞Kdφ（φ- K）ρmodelBN（φ）+ρmodelBH（φ）（27）=Z∞Kdφ（φ- K） ρmodelT（φ）=调用（K，S）（28）我们定义了与模型无关的pH值-（破裂和下降）以及依赖于模型的pmodelH+（破裂和上升）概率：pH-=ZB公司-∞dφρ插值t（φ）（29）pinterpolatedH+=Z∞BdφρmodelBH（φ）（30）概率pH-对应于突破屏障St<B和终止时在屏障下方（St<B）的是路径独立的，并根据到期时下垫ρ内插t（φ）的概率分布进行计算。对应于突破势垒St<B并在终止时终止于势垒之上（St>B）的概率pmodelH+是路径依赖的，不能单独从分布ρ插值（φ）中推断出来。最终，我们将二者结合起来，得出美国奖金证书价格的表达式：∏modelABC~=K-（K）-B）（2+δ模型）pH-+使用δmodel参数调用（K，S）（31）：δmodel=pmodelH+- pH值-pH值-（32）对于δ模型=0，获得零级结果，该模型对应于使用无偏斜的波动率面。参数（pH-, 调用（K，S））将从插值期权数据中计算出来，这是一个与模型无关的过程。如第5章所示，分析市场数据表明，这一粗略近似值的准确率为±%。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:44

这一结果与通常的看法相反，即需要一个详细的随机演算（通常基于蒙特卡罗计算）来计算美国奖金证书的估值（同样的结果适用于美国障碍逆转）。为了进一步了解，需要使用随机模型计算参数δ模型。它对在成熟之前达到障碍并在障碍之上结束的轨迹的数量起作用。在附录B中，我们使用两个不同的随机模型计算了两个市场数据集校准的δ模型。结论是δ模型的变化对ABC产品估值的影响小于±1%。这些结论不是一般性的，但它们反映了市场波动水平与壁垒水平之间的典型关系。三、单障碍反向可转换产品的定价障碍反向可转换合同（RC合同）基于下图所述的障碍付款规则（我们再次考虑单/单基础产品：我们将重点关注基于单一基础的BRC合同，息票（C=S+R）和障碍水平（B）之间的关系如下：B≤C、 LossPro fit0 UnderlyngCapBarrier（B）Strike（K）图2：Barrier Reverse Convertible Payoff。A、欧洲单一障碍反向可转换合同（EBRC）的定价欧洲障碍反向可转换合同（EBRC）支付的收益率增加了，如果合同到期日基础高于障碍水平（ST≥ B）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:47

在相反的情况下（ST<B），合同在到期时支付C=ST，这意味着损失可能是无限的。欧洲障碍反向可转换合同的定价与EBC合同的定价路线相同-我们将从插值期权价格中获得的概率分布整合到合同支付中：π插值DBRC=πBN+πaBH- ∏bBH（33）∏BN=（S+R）Z∞Bdφρ内插t（φ）（34）∏aBH=BZB-∞dφρ内插t（φ）（35）∏bBH=ZB-∞dφ（B- φ） ρinterpolatedT（φ）（36）最终，欧洲复兴开发银行的价格有一个简单的形式：∏interpolatedbrc=S+R- （S+R- B） pH值-- P ut（B，S）（37）B.美国单障碍反向转换定价美国障碍反向转换合同（ABRC）在合同期限内的任何时间t，如果未违反障碍水平，则支付收益增加的支付f f C=S+R，例如S（0<t≤ T）≥ B在相反的情况下，ST<B，合同到期支付C=ST，这再次意味着损失可能是无限的。美国障碍反向可转换债券的定价需要使用条件概率∏modelABRC=∏BN+∏aBH+∏aBH（38）∏BN=（S+R）Z∞Bdφρ模型BN（φ）（39）∏aBH=ZS+R-∞dφφρ模型BH（φ）（40）∏bBH=（S+R）Z∞S+RdφρmodelBH（φ）（41）我们再次计算破裂概率和下降概率-以及破裂概率和上升概率pmodelH+。我们还根据推导公式（22）所涉及的假设使用近似值（见附录B）∏aBH=ZS+R-∞dφρbh（φ）（42）型~=Z∞-∞dφφρ模型BH（φ）=B（43）Z∞S+RdφρmodelBH（φ）~=0-→ ∏bBH~=0（44）最终ABRC价格的形式为∏modelABRC~=S+R- （S+R- B）（2+δ模型）pH-（45）正如所料，ABRC价格的形式与ABC价格非常相似。同样，对于市场波动率水平的典型值和对应于基础水平60%-70%的障碍，我们可以使用δ模型=0计算∏模型的值，这将导致精度不低于±3%。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:50

解决更好的定价精度需要使用δ模型6=0的随机计算。虽然δ模型的计算需要对波动率表面进行重新校准，并且对模型敏感，但我们在附录C中讨论的市场参数集得出的结论是，可以获得±1%的价格精度，该结果包括与选择替代随机模型相关的差异。四、分析市场数据a。产品选择为了本研究的目的，我们选择了两种在瑞士市场上市的奖金证书（SIX Swiss Exchange AG）进行定价。它们都是单一的基础产品。第一个产品（ISIN CH0245337099）的基础是标准普尔500指数，而第二个产品（ISIN CH0245336034）则写在欧元STOXX50价格指数上。第一种工具只有在到期时才有障碍观察（EuropeanBonus Certificate），而第二种工具的障碍观察是连续的（American Bonus Certificate）。选择这些特定产品背后的原因与以下事实有关：在本研究中，我们感兴趣的是研究基于指数而非单个股票的结构化产品的行为。这是因为主要指数的期权表现出一些标准化的模式。此外，由于此类期权的巨大需求和流动性，查找和提取高质量和高质量数据的任务变得更加可行。最后，我们选择单一基础产品而非篮子奖金证书，因为此类产品所表现出的额外困难主要是由于有必要对篮子中所含基础之间的相关性进行建模，这一主题超出了本研究的范围。B、欧洲奖金证书1。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:54

数据选择我们选择对标普500指数上的欧洲奖金证书进行定价，从2015年2月2日起至2015年11月30日止的七个不同的价格（数据集的详细表示见附录）。我们之所以选择这些日期，是因为该产品的成熟期长达三年，这意味着出于定价目的，我们需要对标的资产标准普尔500指数的普通期权进行看跌期权定价。然而，由于我们无法找到到期日超过2年的标准普尔500指数期权报价。5年内，我们有义务将第一个定价日期设定为2015年2月2日。我们选择特定日期的另一个原因与产品在所选日期的定价水平有关。如下文所述，所选日期的市场价格从189.7美元到207美元不等。对于上述选定的每个日期，我们已决定降低标准普尔500指数所有罢工和所有可用到期日（超过两个月）的看涨期权和看跌期权的价格。这些价格使用附录A中描述的三种不同模型进行校准。校准结果将决定我们将使用的模型，以便为我们的产品定价。此外，校准参数对于欧洲奖金证书的定价至关重要，因为它们通过pH输入（17）-如第2章所述，使用现有模型获得的累积密度函数计算。结果我们选择使用静态移位对数对数正态模型（SSLN）和SABR（β=1）对欧洲奖金证书（EBC）进行定价。从我们的校准结果可以看出，SABR（β=1）模型的ρ参数通常等于0.99。在这种情况下，SABR（β=1）模型成为所谓的指数SLN。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:09:57

我们使用的方法包括以下步骤。首先，我们校准所有可用日期的期权观察市场价格。对于产品到期日之前和之后的两个日期，我们在使用每个日期的最佳校准参数后，插入模型生成的价格。其次，我们在拟合更高阶多项式以获得更高精度后，获得与所需日期相对应的参数。有关多项式拟合和插值结果的更多详细信息，请参见附录A。最后，在为每个定价日期设置了一组最佳和插值参数后，我们将其插入方程（17）中，以获得模型价格。从表一可以看出，两种模型得出的价格都接近市场价格。SLN似乎给出了平均2.07%的定价过高值，而SABR（β=1）平均为1.87%（绝对值）。这一结果似乎与我们的假设一致，即使用SSLN或SABR获得的价格不应表现出显著差异，因为79.5%的壁垒水平附近的市场价格的设置似乎可以忽略不计（见图中的壁垒）。价格日期市场价格SSLN价格SABRβ=1价格2012年2月194.1 199.87（2.97%）195.99（0.98%）2015年3月24日205.2 208.56（1.64%）204.11（0.53%）2015年5月26日206.1 209.28（1.54%）202.51（1.75%）2015年8月24日189.7 189.77（0.04%）185.43（2.25%）2015年9月22日191.5 195.14（1.90%）194.42（1.52%）2015年10月22日202 205.03（1.50%）196.85（-2.55%）2015年11月30日207 208.89（0.92%）199.73（-3.51%）表一：欧洲奖金认证pricingresults。括号中的数字是模型和市场之间的误差。C、美国奖金证书1。数据选择对于美国奖金证书，我们再次选择了七个不同的定价日期，从2014年7月8日开始，到2015年9月1日结束。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:00

由于该产品的到期时间为两年，因此我们可以在启动（首次上市日期）开始对其进行定价，因为我们可以获得两年以上到期的EUROSTOXX500价格指数的卖出和买入价格。同样，与欧洲奖金证书一样，日期选择的方式反映了产品生命周期中的不同级别。在这种情况下，定价范围从90.2%到108.3%。我们遵循与欧洲产品完全相同的步骤，在EUROSTOXX 500上获得所有可用罢工和到期的通知和定价，然后使用上一节中提到的模型对其进行校准。2、结果对于美国奖金证书，我们使用与欧洲相同的程序，但我们进一步使用蒙特卡罗方法，这是计算进入方程（1.2）的δ参数所必需的。我们使用两种不同的模型（静态q SLN和动态q SLN）进行蒙特卡罗（MC）模拟。对于动态q情况，我们选择在假设q遵循幂律后运行MC模拟（见附录）。然而，如表二所示，值得注意的是，假设δ参数等于0后，SLN可以获得最准确的价格。更具体地说，对于SLN加δ=0、SSLN MC和DynamicSLN MC，模型和市场价格之间的平均绝对差异分别为1.08%、2.26%和2.37%。五、结论Bonus Certificates和Barrier Reverse Convertiblecontracts是受欢迎的屏障结构产品。可以根据欧洲壁垒条件对这些产品进行定价，前提是提供与所选结构化产品到期日匹配的期权价格数据。如果是这样，可以采用基于内插期权价格的标准定价方法。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:04

本文讨论了一种基于SABR公式外推的插值方法。我们最终得出结论，对于广泛的市场参数，这种插值可以限制在最基本的水平，包括使用基于转移对数正态分布的定价。美国红利证书（ABC）和美国障碍反向可转换（ABRC）合同是路径敏感产品。他们的定价通常被视为需要完全随机建模，需要校准整个波动率表面，通常需要进行蒙特卡罗计算以找到正确的定价。本文提供的数据分析表明，ABC和ABRC产品的价格都可以描述为一个大幅度下降的总和。令人惊讶的是，对于相当广泛的市场和产品参数，主要条款为结转价格日期市场价格SLN（加δ=0）SLN静态MC SLN动态MC08/07/2014 97.6 94.82（-2.85%）94.37（-3.30%）94.12（-3.56%）08/2014 90.2 89.93（-0.30%）91.77（1.74%）91.66（1.62%）19/09/2014 96.8 97.20（0.42%）96.16（-0.66%）96.01（-0.81%）28/11/2014 97 96.26（-0.75%）95.36（-1.69%）95.29 1.76%）2015年2月3日102.1 99.81（-2.24%）98.54（-3.48%）98.32（-3.70%）2015年6月1日108.3 108.77（0.44%）106.57（1.59%）106.48（1.68%）2015年9月1日96.65 97.20（0.57%）99.90（3.37%）99.96（3.43%）。表二：美国奖金认证定价结果。括号中的数字是模型和市场之间的误差。不少于产品价值的96%-97%，与路径无关，例如。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:08

可以在没有随机建模的情况下进行计算。产品和的值的表达式具有以下形式：∏modelABC=K- （K）- B）（2+δ模型）pH-+ 呼叫（K，S）BC（46）∏modelABRC=K- （K）- B）（2+δ模型）pH-+ RC（47）在两种价格中，贡献构成修正条款(不列颠哥伦比亚省，RC）影响价格低于±0.5%。pH值的数量-并调用（K，S- 0）根据到期价格的插值期权计算。与δ模型成比例的线性项是唯一反映价格（46）和（47）路径敏感方面的项。该参数的简单含义是，突破屏障并在其上方结束的概率与突破屏障并在其下方结束的概率成比例。这意味着随机计算可以简化为仅计算。随机计算需要选择一个随机模型，将其校准到波动率表面，然后计算路径依赖值。所有这些步骤都容易出现错误，并且在选择正确的随机模型方面存在额外的模糊性。然而，这些潜在的错误和差异被进一步“压缩”，因为它们构成了一个不超过总价的组成部分。最终，对于AND产品的典型参数，我们可以确定其价格，精确度不低于±1%，包括使用替代随机模型计算所造成的差异。我们得出结论，在与市场波动性和单一基础产品参数相关的典型情景中，以下不等式适用：K- 黑色≥ M1年σ√T（48）例如。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:12

屏障等级如下：B≤ K1.-M1年σ√T（49）在上述等式（48）中，M1年的σ是相关标的1年期期权的波动率，以及T是产品开始时的持续时间。假设（48）成立，我们可以做一个近似值，忽略从开始、在某个阶段到达障碍并最终在走向上方结束的轨迹密度。如果这一假设正确，美国红利证书和美国障碍反向可转换合同的定价将大大简化，我们以表达式（46）和（47）结束。δ表达式给出的结果深入了解了波动性表面的倾斜和微笑对产品价格的影响，即所有都只反映在δ模型参数中，选择δ模型=0对应于使用对称扩散模型。综上所述，我们已经表明，与波塔米亚和欧洲壁垒条件下的红利证书和壁垒反向可转换合同的定价精度非常相似，而美国产品的定价具有相对较小的路径依赖成分。[1] 布鲁诺·杜皮尔。微笑定价。1994年【2】吉姆·盖瑟拉尔。波动表面：从业者的指南。2006年【3】P.Hagan、D.Kumar和A.Lesniewski。管理smilerisk。Wilmott杂志，2002年。[4] R.Korn和S.Tan。正态SABR模型的精确解析解。Wilmott杂志，2014年。[5] J.Kuklinski、D.Negrou和P.Pliszka。使用移位对数正态和SABR随机模型对spx和dax指数期权的倾斜和微笑进行建模。arXiv:1404.46592014。[6] 扬·拉斐尔·库克林斯基。2015年9月《金融工程理解波动性和商品》课堂讲稿。[7] R.洛德。SABR模拟的50个阴影。在BacelierFinance Society，第八届世界大会上。[8] Martin F.Meier和Daniel Sandmaier。模具焊接Destructurierten Produkte。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:16

2012年【9】J.Obloj。微调你的微笑，纠正哈根等人的错误。威尔莫特杂志，2008年第35期。附录A：普通产品定价和内部市场期权价格Vanilla看涨期权和看跌期权在到期时的概率分布（例如概率密度ρ（φ））上起作用：看涨期权（K，S，t，t）=V Dt，TZ∞Kdφ（φ- K） ρ（φ）（A1）P ut（K，S，t，t）=V Dt，TZK-∞dφ（K- φ） ρ（φ）（A2），其中Dt，是贴现系数，V是体积系数。上述表达式可以推广到具有任意payoff函数f（φ）∏V anillaSP（S，t，t）=V Dt，TZ的一般结构产品（SP）∞-∞dφf（φ）ρ（φ）（A3）欧洲红利证书和EuropeanBarrier反向可转换产品属于EQ规定的类别。（A3）底层的分布具有一般形式ρ（Ft，T，T，T；φ），其平均值称为正向Ft，T=R∞-∞dφφρ（φ）。通常假设概率分布ρ（Ft，T，T，T；φ）的演化遵循鞅随机运动。远期曲线Ft和贴现函数Dt、tca的形状可以根据市场数据确定，并很容易叠加到我们使用的随机模型上。为了简单起见，本文中给出的所有公式都将使用近似值ft，T=S≡ F和Dt，T=1和V=1是假设，而在计算中，我们使用V=1，同时远期和贴现曲线的形状根据市场数据进行调整。我们首先对att=T到期的香草产品进行定价，假设在同一日期或非常接近该日期到期的期权的市场价格可用。在这种情况下，基于选定的随机推断模型，我们找到了普通期权的插值价格。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-5-25 12:10:19

利用这些价格，我们计算了累积（cdf）概率分布：DinterpolatedT（φ≤ S）=φP utinterpolatedT（φ≤ S）（A4）DinterpolatedT（φ>S）=1-φCallinterpolatedT（φ>S）（A5）我们将使用几个模型来插值观测期权市场价格。对于所有这些，我们使用最小二乘原理调整模型参数，并将以下数量最小化：E=nXj=1P utmarketT（φj≤ S）- P utmodelT（φj）P utmarketT（φj≤ S） +P utmodelT（φj）+nXi=1Callmarket（φi>S）- CallmodelT（φi）callmarket（φi>S）+CallmodelT（φi）（A6）在此基础上，我们根据公式（18）和（19）计算ρ插值（φ）。对于插值市场数据期权价格，我们交替使用三种模型：（A）移位对数正态模型SLN模型如下：DSLN（K）=N(-d）（A7）呼叫Ln=DV×（F）- K） N（d）+FqN（d）- N（d）（A8）P utSLN=DV×（K）- F）N(-d） +FqN个(-d）- N个(-d）（A9）式中'σ=σq√T- t、 d1,2=-q'σln1+qK-FF公司±q’σ。转移对数正态模型有两个参数可根据市场进行调整：\'σ和s=q\'σ。第一个参数几乎与货币期权的价格成正比：∏SLNAT M=F DV'σs2N（s）- 1.~=F DV'σ√2π（A10）第二个参数s与看涨期权和看跌期权价格的货币不对称性有关。对于s=0，我们有“无偏差”，例如，期权价格服从对称的Bachelier定价。SLN模型通常能很好地描述近在咫尺的期权，但它往往无法重现远距离罢工的价格。本文讨论的分析结果表明，在分析倾斜市场上壁垒产品的特征时，SLN模型提供的市场插值通常令人满意。（B） SABR定价SABR随机模型在期权定价中被广泛使用。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:22

期权价格的近似但通常准确的表达式通过与履约相关的隐含波动率σSABRN（x），（x=K）给出-FF）。看跌期权和看涨期权的价格遵循经过调整的波动率的单一价格。我们得到的卖出价为：Phgansabr（F，K，’σ）~=F×（A11）xNx'σSABRN（x）+(R)σSABRN（x）√2πe-x'σSABRN（x）!累积概率没有已知的解析表达式，但我们很容易使用：DHaganSABR（K）=KPHaganSABR（F，K，’σ）（A12）=Nx'σSABRN（A13）+K'σSABRN（x）E-x'σSABRN（x）√2π在我们的分析中，我们使用哈根价格作为插值工具，因此我们不将解的参数调整为萨布斯托卡斯蒂克方程的参数，但我们使用与观测价格直接相关的参数：(R)σSABRN（K）=σξH（ξ）（A14）ξ=ν√t’σ1- β1.- （1）- x） 1个-β（A15）H（ξ）=lnp1- 2ξρ+ρ+ξ- ρ1- ρ！（A16）对于β=0，我们得到ξ=xν√当β=1时，我们得到ξ=ln（1+x）ν√T/(R)σ。SABR参数化涉及4个参数（(R)σ，ρ，ν，β），其中-1.≤ ρ≤ 1和0≤ β≤ 1、同样，第一个参数与ATM价格成比例，而其他三个参数描述的是期权价格曲线的形状。通常情况下，可以选择β=0或β=1，但在我们的方法中，我们将所有参数视为插值工具。（C）外推SABR/SLN-HEX定价SABR定价通常很有效，但仍需要进行调整，以改进建模实际市场价格。我们使用了一个进一步的推断，该推断基于本书作者之一不久前介绍的所谓十六进制价格[6]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:25

HEX（来自双曲线指数）期权价格根据观察得出，对于任何一组看涨期权和看跌期权价格，我们可以使用以下表达式来表示价格：CallHEX=在Mln（2）下的∏[1+经验(-如果我们使用χCP（x）的线性表达式，则χC（x））]（A17）P utHEX=Mln（2）处的∏[1+exp（χP（x））]（A18）=-xF ln（2）/π在M处，我们得到了双曲正切的累积概率分布。对前面讨论的SABRpricing的扩展通过以下公式进行：χP（x<0）=χSABRP；(R)σ，ρ，ν，β（x）+θL（x）exp(-a/x）（A19）χC（x>0）=χSABRC；(R)σ，ρ，ν，β（x）+θR（x）exp(-a/x）（A20），其中θL（x）和θR（x）是两个没有常数项的独立三阶多项式。主项χSABR′σ，ρ，ν，β（x）由以下ABR价格计算得出：χSABRP；(R)σ，ρ，ν，β（x）+ln噬菌体br/M处∏）- 1.（A21）χSABRC；(R)σ，ρ，ν，β（x）+lnCHaganSABR/米处∏）- 1.（A22）我们首先建立Hagan参数（(R)σ，ρ，ν，β），然后通过添加θL（x）和θR（x）六个参数来改进插值。我们还可以使用与SLN模型相对应的SABR/Hagan参数（如果是SABRstochastic方程，则SLN表达式是唯一已知的精确解），并在上面讨论的十六进制多项式之后添加修正。这种SLN-HEX外推程序证明了它的有效性，甚至比纯SABR插值更好。为了分析与实际结构化产品定价相关的市场特征，我们考虑在到期前817天定价的欧洲标准普尔500奖金证书。该产品具有79.5%初始基础水平的关闭屏障。当天，与SABR-HEX价格插值图3相比，标准普尔500指数上的欧洲期权结构几乎与产品的成熟度相匹配，其结构如下：0.101.0010.00100.001000.000%50%100%150%市场C/PSLN-HEX外推图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:29

3： SLN模型的拟合结果和HEXextrapolation校正正如我们看到的那样，SLN定价正确地获得了波动率表面的近ATM特征，而HEXextrapolation校正允许对远击进行合理的插值。最后，我们处理了一个2+6参数插值，它证明了比4参数SABR插值更有效。定价结构化产品取决于在屏障处插入的卖出价格、在履约时插入的买入价格以及在屏障以下结束的累积概率（pH-). 后者与内插卖出价格的导数成正比：Dinterpolatedmodel（K=B）=DVKDinterpolatedmodel（K）（A23）最终，我们需要非常精确地插值K的输出价格~=B和K的买入价~=S+R。使用SLN和SABR模型进行的插值比较如下图4:6070809010011012013014070%75%80%85%90%90%C/PSABRSNFIG市场。4： SLN和SABR插值。SLN插值与SLN-HEX插值的比较如图5所示：6070809010011012013014070%75%80%85%90%市场C/PSLN-HEX插值LNIG。5： SLN和SLN-HEX插值。最终结论是，对于普通结构性产品的定价，如本文讨论的奖金证书和障碍反向可转换合同，使用SLN近ATM价格插值，以获得不低于±1%的总体价格准确性。这遵循范围为0.65S的路障≤ B≤ 0.8转，M1年的挥发度水平不高于σ√T≤ 30%。附录B：条件概率和关键近似路径相关计算要求使用鞅随机模型。我们通常使用以下类型的模型（Ft，是远期价格曲线）：~St=Ft，TXt（B1）dXt=∧（T，~σT，q，~Xt）（ρdVt+p1- ρdWt）（B2），其中∧取决于随机模型。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-25 12:10:33

对于移位对数正态模型，我们有∧∧SLN=σt（1+qft）。我们最终将使用两种替代模型来拟合波动率表面：∧∧SLN=σt（1- q+qtXt）（B3）∧SABR=σt（Xt）βexpνИVt-νt（B4）注意，对于σt=σ和ρ=±1，SABRβ=0模型与SLN模型一致【5】。我们首先校准模型，以匹配选定定价日期的期权价格，并在此基础上计算两个条件概率分布的概率密度。未击中势垒ρmodelBN（φ）的轨迹密度和击中势垒ρmodelBH（φ）的轨迹密度。我们注意到：ρmodelBN（φ≥ B） +ρmodelBH（φ≥ B） =ρ插值（φ≥ B）（B5）ρmodelBH（φ≤ B） =ρ插值（φ≤ B）（B6）我们进一步确定了击中障碍物并在障碍物上方终止的概率ρmodelH+=Z∞BdφρSABRBH（φ）（B7）和击中屏障并在屏障下方终止的概率：ρH-=ZB公司-∞dφρmodelBH（φ）=ZB-∞dφρ插值（φ≤ B）（B8）我们再次强调，ρ插值（φ）遵循插值市场期权价格（18）和（19）。这些概率密度不是以达到门槛为条件的，而是完全取决于内插的市场期权价格，因此“与模型无关”。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:35

如第3章所述，在考虑的市场和产品参数范围内，pmodelH+的数值蒙特卡罗计算是为美国奖金证书和障碍反向可转换合同定价的唯一必要因素。附录C：δ模型的替代随机计算遵循ABC的导出公式价格：∏模型ABC~=K- （K）- B）（2+δ模型）pH-+ 调用（K，S）（C1）和本文讨论的标定中遇到的参数，价格敏感性不大于πmodelABC/πmodelABC<δmodel/20（同样的结果适用于ABRC合同的价格。另外，我们发现，使用SLN模型进行的校准在屏障条件确定的范围内提供了足够准确的价格匹配（见A）。然而，当做出这样的价格拟合时，波动率表面与静态SLN模型的结果并不匹配。出现了两个问题：o我们可以在多大程度上成功使用具有时间相关qt的SLNmodel？o如果我们将qt替换为qa作为某种平均值，那么准确度灵敏度是多少？为了详细说明这两个问题的部分答案，我们研究了PX期权的1年波动率面。波动率表面采用时间相关的qt随机动态模型，以下为动态依赖关系：σt=σAtα（C4）qt=-qBtβ（C5），参数σA=15%，α=0.124，qB=-3.1和β=-0.67。我们通过蒙特卡罗方法求解了方程式（C4），并获得了各种屏障水平的以下δ比率：低于δd60%的计数计数41101 18981 22120 0.1765%59763 27536 32227 0.1770%87772 40138 47634 0.1975%129513 58833 70680 0 0.2080%192882 86156 106726 0.2490%435379 188083 24726 0.31表三：各种屏障撞击屏障的轨迹数具有动态qsimulation的级别。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:39

轨迹总数为N=10。然后，我们使用静态q=-3.82，对应于之前模拟的qt=0.75。我们获得了以下δ命中率：低于δs60的计数计数%47145 11248 13690 0.2265%65372 16296 19984 0.2370%91829 24227 29891 0.2375%131014 36727 45354 0.2380%190296 56764 71269 0.2690%422157 144681 193829 0.34表四：在静态QS模拟的不同势垒水平下击中势垒的轨迹数。轨迹总数为N=10。如我们所见，δ的最大差值等于δs-δd=δ≤ 0.05。该交易对以下价格敏感：∏modelX∏modelX<0.4%（C6）在此基础上，我们估计，如果我们使用的静态q模型约为dT，ABC/ABRC产品的价格敏感性不会受到重要影响=产品成熟度的T。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-25 12:10:42

这表明SLN模型是一种非常有效的定价工具。作为另一个有趣的结论，我们发现，在参数范围内，时间相关QT模型的概率分布与静态移位对数正态模型的概率分布非常接近。价格日期到期日期到期时间（天）#删除日期201506/02/2015 32 17110/04/2015 67 16415/05 102 10030/06/2015 148 6018/09/2015 228 7418/12/2015 319 9515/01/2016 347 7517/2016 501 8116/12/2016 683 8415/12/2017 1047 9224/201524/04/2015 31 17729/05/2015 66 17930/06/2015 98 5931/07/2015 129 6018/09/2015 178 6815/01/2016 297 2016年3月7518日360 2016年6月8017日451 7916/12/2016 6332017年12月8215日997 9026/05/201526/06/2015年7月31日17731/07/2015 66 17328/08/2015 94 18030/09/2015 127 6315/01/2016 234 7518/03/2016 297 8131/03 310 3617/06/2016 388 8216/12/2016 570 8415/2017 934 9224/08/201530/09/2015 37 18030/10/2015 67 18227/11/2015 95 17715/01/2016 144 6818/03/2016 207 7917/06/2016 298 7612/2016 480 8120/01 2017年6月515 9516日2017年12月662 8915日844 9020/09/201516/06/20172017年12月635 9015日817 9222/10/201516/06/2017年12月603 8815/2017年12月785 9230/11/201516/06/2017年12月564 8715/2017年12月746 91表五：标准普尔500期权数据集附录D：市场数据-图表上表显示了用于为欧洲奖金证书定价的标普500看涨期权和看跌期权的数据集。我们之所以选择在前4个日期至少有10个到期日，是因为产品于2017年7月24日到期，可以看出，对于前3个定价日期，唯一接近该日期的到期日是2017年12月16日和2017年12月15日，这与产品到期日相差甚远。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:46

因此为了获得价格到期日到期日到期时间（天）#删除日期201415/2014/08 38 2119/09/2014 73 3019/12/2014 164 5420/03/2015 255 2118/12/2015 528 7117/06/2015 710 4916/12/2015 892 7008/08/201419/2014 42 2617/10/2014 70 2219/2014 133 6720/03/2015 224 2119/06/2015 315 2318/12/2015 497 6816/2016 861 7019 2014年10月28日2121/11/2014 63 2419/12/2014 91 6020/03/2015 182 2119/06/2015 273 2418/12/2015 455 6617/2016 637 5116/12/2016 819 7028/11/201416/01/2015 49 3320/02/2015 84 2720/03/2015 112 4619/06/2015 203 2718/09/2015 294 2918/12/2015 385 6716/12/2016 749 6803/2015 520/03/2015 45 2717/04/2015 73 3319/06/2015 136 4518/2015 227 3218/2015 2015年12月318 6917 2016年6月500 2016年12月4016 682 6816 2017年6月8645601/06/201517/07/2015 46 4321/08/2015 81 4918/12/2015 200 5118/03/2016 291 4417/2016 382 5116/12/2016 564 7616/06/2017 746 4601/09/201516/10/2015 45 5920/11/2015 80 4118/12/2015 108 6817/06/2016 290 8216/12/2016 472 7616/06/2017 654 70表六：EUROSTOXX 50期权数据集更精确的插值结果。对于最后3个定价（也是第4个），我们可以找到2017年6月16日到期的期权数据，这非常接近产品到期日。因此，在这种情况下，假设插值参数的精度很高是无害的。（a） OTM选项的拟合结果（b）将拟合价格放大到了障碍水平附近图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-25 12:10:49

6： 2015年2月2日定价的标准普尔500指数期权，到期时间T=2.86年，2015年2月2日到期时间（天）32 67 102 148 228 319 347 501 683 1047SLN q-11.01-7.7-6.07-4.7-3.16-2.7-2.57-1.82-1.08-0.5'σq0。0508 0.0744 0.0943 0.11 0.1464 0.1698 0.1768 0.2169 0.2642 0.3399SABRβ=1ρ-0.85-0.84-0.88-0.9-0.99-0.99-0.99-0.99-0.99-0.99ν2.37 1.8 1.15 0.91 0.58 0.49 0.46 0.33 0.21 0.1表VII：校准参数SLN和SABR（β=1）10-1100101dt10-210-1100σ=“”(R)σqy=-1.6825+0.5412x0。0 0.5 1.01.52.0 2.5 3.0dt0。20.30.40.50.6 | q |σ| q |σy=0.5912-0.1620X图。7： ‘σ=’σq的对数-对数图（左），‘q |’’σq的林林图（右）。标准普尔500指数，价格日期：2015年2月2日（a）OTM选项的拟合结果（b）围绕屏障水平缩放拟合价格图。8：标准普尔500指数期权于2015年3月24日定价，到期时间T=2.71年到期日2015年3月24日到期时间（天）31 66 98 129 178 297 360 451 633 997 SLN q-18.13-9.99-8.36-5.61-4.12-3.24-2.36-2.31-1.47-0.75σq0。0335 0.0578 0.0738 0.0995 0.1161 0.1482 0.1682 0.1903 0.2302 0.3067SABRβ=1ρ-0.83-0.91-0.99-0.99-0.99-0.99-0.99-0.99-0.99-0.99ν2.30 1.43 1.17 1.09 0.67 0.52 0.44 0.39 0.25 0.007表八：校准参数SLN和SABR（β=1）10-1100101dt10-210-1100'σ'σ=(R)σqy=-1.7758+0.6240x0。0 0.5 1.01.52.0 2.5 3.0dt0。200.250.300.350.400.450.500.550.600.65 | q |σ| q |σy=0.6252-0.2128x+0.0255x2图。9： ‘σ=’σq的对数-对数图（左），‘q |’’σq的林林图（右）。标准普尔500指数，价格日期：2015年3月24日图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-25 12:10:57

10： 2014年11月28日，到期时间T=1.05年的EUROSTOXX 50指数期权在定价日期为2014年11月28日的到期时间（天）49 84 112 203 294 385 749SLN q-4.23-2.92-2.78-1.73-1.1-0.73-0.0001σq0的拟合结果。0573 0.0804 0.0952 0.1312 0.1619 0.1885 0.274SABRβ=1ρ-0.53-0.61-0.65-0.7-0.66-0.56-0.54ν2.51 1.58 1.24 0.87 0.52 0.46 0.41表九：校准参数SLN和SABR（β=1）10-1100101dt10-210-1100'σ'σ='σqy=-1.6974+0.5684x0。0 0.5 1.01.52.0 2.5dt-0.10-0.050.000.050.100.150.200.250.30 | q |σ| q |σy=0.2692-0.0921x-0.0196x2图。11： ‘σ=’σq的对数-对数图（左），‘q |’’σq的林林图（右）。EUROSTOXX 50，价格日期：2014年11月28日图。12： 2015年2月3日，到期时间T=1.86年，2015年2月3日，到期时间（天）45 73 136 227 318 500 682 SLN q-4.84-3.63-2.4-1.54-0.36-0.22-0.09'σq0的欧洲斯托克50指数期权定价结果。0714 0.0913 0.1214 0.1654 0.1993 0.2134 0.2823SABRβ=1ρ-0.68-0.68-0.59-0.71-0.75-0.69-0.67ν1.83 1.45 1.2 0.81 0.63 0.54 0.48表X：校准参数SLN和SABR（β=1）10-1100101dt10-210-1100'σ'σ='σqy=-1.6027+0.4915x0。0 0.5 1.01.52.0dt0。000.050.100.150.200.250.300.350.400.45 | q |σ| q |σy=0.4176-0.4313x+0.1170x2FIG。13： ‘σ=’σq的对数-对数图（左），‘q |’’σq的林林图（右）。EUROSTOXX 50，价格日期：2015年2月3日图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝