全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1283 31
2022-05-31
英文标题:
《Probability density of lognormal fractional SABR model》
---
作者:
Jiro Akahori, Xiaoming Song, and Tai-Ho Wang
---
最新提交年份:
2019
---
英文摘要:
  Instantaneous volatility of logarithmic return in the lognormal fractional SABR model is driven by the exponentiation of a correlated fractional Brownian motion. Due to the mixed nature of driving Brownian and fractional Brownian motions, probability density for such a model is less studied in the literature. We show in this paper a bridge representation for the joint density of the lognormal fractional SABR model in a Fourier space. Evaluating the bridge representation along a properly chosen deterministic path yields a small time asymptotic expansion to the leading order for the probability density of the fractional SABR model. A direct generalization of the representation to joint density at multiple times leads to a heuristic derivation of the large deviations principle for the joint density in small time. Approximation of implied volatility is readily obtained by applying the Laplace asymptotic formula to the call or put prices and comparing coefficients.
---
中文摘要:
对数正态分数SABR模型中对数收益率的瞬时波动率是由相关分数布朗运动的指数驱动的。由于驱动布朗运动和分数布朗运动的混合性质,此类模型的概率密度在文献中研究较少。本文给出了对数正态分数阶SABR模型在Fourier空间中关节密度的桥表示。沿着正确选择的确定性路径评估桥表示,得到分数SABR模型概率密度领先阶的小时间渐近展开。通过多次直接推广关节密度表示,可以启发式推导出小时间内关节密度的大偏差原则。通过将拉普拉斯渐近公式应用于买入或卖出价格并比较系数,可以很容易地获得隐含波动率的近似值。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Computational Finance        计算金融学
分类描述:Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法,包括蒙特卡罗,偏微分方程,格子和其他数值方法,并应用于金融建模
--

---
PDF下载:
-->
二维码

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

全部回复
2022-5-31 04:59:39
对数正态分数的概率密度SABRMODELJIRO AKAHORI,SONG XIAOMING和TAI-HO WANGAbstract。对数正态分数SABRmodel中对数收益率的瞬时波动率由相关分数布朗运动的指数化驱动。由于驱动布朗运动和分数布朗运动的混合性质,此类模型的概率密度在文献中的研究较少。本文给出了Fourier空间中对数正态分式SABR模型联合密度的桥联表示。沿着正确选择的确定性路径评估桥表示,得到分数SABR模型概率密度领先阶的小时间渐近展开。将该表示形式直接推广到多次关节密度,可以在小时间内启发式推导出关节密度的大偏差原则。通过将拉普拉斯渐近公式应用于买入或卖出价格并比较系数,可以很容易地获得隐含波动率的近似值。关键词:渐近展开,对数正态分式SABR模型,混合分式布朗运动,Malliavin微积分,桥表示。1、简介自金融衍生品交易开始以来,著名的Black和Black-Scholes-Merton模型一直是欧洲货币兑换、利率和股票期权的基准。然而,经验证据表明,这些模型的主要缺点是假设波动率不变;在此类模型下计算期权溢价所需的关键参数。
二维码

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

2022-5-31 04:59:42
从市场数据中引入的波动率参数实际上在各个市场中是不一致的;被称为波动性微笑。Hagan、Lesniewski和Woodward在[13]中提出的随机αβρ(以下简称SABR)模型是试图捕捉波动微笑效应的模型之一,如局部波动模型、随机波动模型和指数L'evy型模型等。此外,与局部波动率模型相反,在SABR模型中,波动率微笑与基础波动率随时间的移动方向相同,见【12】。SABR模型由以下随机微分方程(SDE)系统描述:dFt=αtFβtdWt,F=F,(1.1)dαt=ναtdZt,α=α,(1.2)2 AKAHORI JIRO,SONG XIAOMING和Wangtai-HO withβ∈ [0,1],其中FTI是远期价格,α是瞬时波动率。WT和ZT用常数相关系数ρ关联布朗运动。当β=1时,SABRmodel有时被称为对数正态SABR模型。SABR公式是在很短的到期时间内具有各种冲击的看涨期权隐含波动率的渐近展开式。为了方便读者,我们在下面复制了SABR公式。设σBS(K,τ)为在K和到期时间τ签订的普通期权的隐含波动率。SABR公式表明,当到期时间τ接近0时,σBS(K,τ)=νlog(F/K)D(ζ){1+O(τ)}(1.3)。(1.3)中涉及的函数D和参数ζ分别定义为D(ζ)=logp1- 2ρζ+ζ+ζ- ρ1- ρ!和ζ=ναF1-β-K1级-β1-如果β6=1,则为β;να对数FK公司如果β=1。一般情况下,SABR公式高出一个阶数,达到τ阶数。这里,我们仅为自己的目的提供零阶。SABR模型的几何结构与二维双曲空间或庞加莱平面等轴对称。
二维码

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

2022-5-31 04:59:45
该等距图根据Poincar'e平面上的热核表达式(称为McKean核)推导出了SABRformula(1.3)。特别是,(1.3)中的最低阶项具有几何解释。函数D是上半平面{(F,α)中从点值(F,α)到垂直线F=K的最短测地距离∈ R: α≥ 0}。因此,(1.3)中的最低阶项实际上是对数货币度的绝对值,即对数(K/F)与上半平面中从(F,α)到垂直线F=K的最短测地距离之间的比率。我们请对这一主题感兴趣的读者参阅[13],以获得更详细的讨论。关于双曲线空间上的热核表达式,池田和松本在[15]中提供了一种可能性方法,并在其他有趣的结果中获得了双曲线布朗运动的转移密度表示,即庞加莱平面上的热核。详见【15】中的定理2.1。如果波动过程,即(1.1)中的αt过程,是由分数布朗运动驱动的,如本文所考虑的(2.3)中的第二个方程,则上述SABR模型和Poincar'e平面之间的良好等距将中断。此外,由于分数布朗运动缺乏马尔可夫性,因此对数正态FSABR 3和后向Kolmogorov方程的前向概率密度不存在,经典的渐近展开方法,如热核或WKB展开,也不再适用。在这方面,当处理分数布朗运动驱动的过程时,[15]中的概率方法更适用和易于处理。波动过程通常被认为表现为“分数”过程,因为驱动噪声是一个分数过程,例如,赫斯特指数不是一半的分数布朗运动。
二维码

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

2022-5-31 04:59:49
对于远未穷尽的清单,试图纳入波动率分馏特征的模型包括:文献[10]中的ARFIMA模型和离散时间模型的FIGARCH模型[1];[3]中的长记忆随机波动率模型和[4]中的分数阶随机波动率模型,用于连续时间模型。另一方面,在[9]最近的一项研究中,估计赫斯特指数H小于ahalf;从而表明与波动过程的持续性相反的反持续性。还值得一提的是,最近在[7]和[11]中考虑了将赫斯顿模型推广到分数版本。赫斯顿相关模型通常通过特征和/或矩母函数来处理。然而,在本文中,我们采取的方法是严格遵循[15]中的方法。为了将经验观察到的波动率过程的分数特征嵌入到经典SABR模型中,我们在本文中提出了一个分数版本的SABRmodel,如(2.3)所示。以平均回归分量为模,该模型与[9]中统计测试的模型一致。[9]中的主要观察结果是,使用化/积分方差的平方根作为瞬时波动率的代理,波动率过程的对数在几乎任何时间频率尺度上都表现为分数布朗运动。从时间序列数据推断出的赫斯特指数H小于一半;的确,H≈ 0.1。从随机分析的角度来看,波动过程中的小赫斯特指数使得模型分析更具技术性和挑战性。据我们所知,由分数布朗运动驱动的过程的大多数小时间渐近展开都对驱动分数布朗运动的赫斯特指数H有限制,主要是H≥.
二维码

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

2022-5-31 04:59:52
本文采用的方法的一个优点是,它对赫斯特指数没有限制。关键因素是傅里叶空间中的表示,我们在第2节中称之为桥接表示,用于记录点和波动率的联合密度,请参见(2.6)。从桥的表示可以很容易地得到节理密度的小时间渐近展开式。我们的想法是通过明智地选择确定性路径来近似桥接表示中的条件期望,因为在初始4次赤玟、宋晓明和王大浩以及终点的条件下,高斯过程在每个时间点都不会偏离其期望太远。只要基础资产密度的渐近展开可用,通过基本上将系数与通过在Black或Black Scholes-Merton侧使用对数正态密度获得的类似展开进行比较,几乎可以直接获得隐含波动率的展开。推导桥梁表示(2.6)的方法可以直接推广,以获得多次接缝密度的桥梁表示;因此,归纳出分数SABR模型的有限维分布,见定理5.1。基于这种有限维分布的桥梁表示,第5节致力于小时间内分数SABR模型节理密度的大偏差原则的启发式推导。从某种意义上讲,这种大偏差原理可以被视为定义分数SABR平面上的“测地距离”,因为正如我们将在第5节中所示,当H=,它恢复了Poincar'e平面上的能量泛函。
二维码

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…
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群