在图中，绘制的是密度的基本支持范围，该范围随着t的增加而扩大。1.≤ 我≤ M代表M≈ 100，并评估基本支持-（tn），S+（tn）]满足性的篮子流程-（tn）=miniPX（tn，ωi）0≤ n≤ Nt，1≤ 我≤ M、 S+（tn）=最大IPx（tn，ωi）0≤ n≤ Nt，1≤ 我≤ M、 （43）我们选择了几十个间隔等距的点-（tn），S+（tn）]f或每个时间步tn和cr为每个时间实例创建多项式f orb（x）。备注3.2。我们注意到，只有在PX（t）密度不可忽略的区域内，预测的波动率才能可靠地进行评估。在最极端的情况下，在初始时间，PX（）的密度集中在一个点上。实际上，适当的福特领域具有图1（b）所示的示意图形状。然而，我们对一个矩形域[0，T]×D进行了评估，并将局部波动性外推到整个角度。在进行外推时，我们为b（x）toguaran tee反向解算器中的数值稳定性。注意，包络线（43）仅用于粗略估计PX（t）的概率质量为0的位置≤ t型≤ 它对数值解有非常间接的影响。与第3.3.3.2节中讨论的上界和下界d的正向Euler解相比，在（43）中投入的时间步长n和样本M的结果数很小。数值函数。

一旦我们通过整合（39）中的近似预测波动率来确定插入式外推的近似预测波动率b，我们就可以确定求解（18）的价值函数的有限差分近似值ua。基于有限差分算子的马尔可夫投影19美式篮子期权隐含止损规则Lu公司（t，sn）=b（t，sn）2s+rsn2su（t，sn-（1）-r+~b（t，sn）su（t，sn）+b（t，sn）2s-rsn2su（t，sn+1），1<n<Ns，平行于（Merton et al.，1977，方程（12）），其连续对应于rt isLof（16），我们使用稳定的后向Euler格式，uAt+n-1，sm=uA（tn、sm）+Lu公司t+n-1，smtn，1≤ n≤ Nt，1≤ m级≤ Ns、uA（tn-1，sm）=最大值uA公司t+n-1，sm, g（sm）, 1.≤ n≤ Nt，1≤ m级≤ Ns，uAtNt，sm= g（sm）1≤ m级≤ Ns，（44）与支付函数uA（tn，s）=g（s），uA施加的特殊Dirichlet型基本条件（见备注2.2）tn、sNs= g级sNs公司（45）和均匀间隔、时间独立的网格sm=ms、 边界条件h的选择已在变分设置中讨论（Feng等人，2007年，第316页）。上界SNS应根据当前问题的漂移幅度和波动性来选择。随后，使用低阶插值函数将逐点值函数扩展到（36）的整个域，允许评估离散的早期运动区域X=n（tn，sm）：0≤ n≤ NT，1≤ m级≤ Ns，uA（tn，sm）=g（sm）o（46）类似地，对于（26）给出的对偶边界的构造，我们使用uA的有限差分（等式（44））近似导数sofua（等式（36））。3.3。正向欧拉近似。

解决后向欧拉方案（44）的离散美式看跌期权价值意味着相应的离散早期行使区域（46）。为了验证离散期权价值ua所隐含的即时行权边界的准确性，作为ua中行权边界的近似值，并为期权价格设定置信区间，我们使用基于（正向）Euler Maruyama的蒙特卡罗模拟来评估方程（21）和（26）中的上下限。资产价格的数值时间步长X（t）是均匀网格上的d 1。将总时间步数设置为与（44）中定义的有限差分近似中使用的时间步数一致，避免了时间插值的需要。如上所述，我们使用（1）的以下离散化：X（tn+1）=X（tn）+rX（tn）tn+btn，X（tn）W（tn），0≤ n<Nt，X（t）=X，（47）20 C.拜耳，J.H¨APP¨OL¨A和R.TEMPONEwithtn=tn+1- 特南德W（tn）=W（tn+1）- W（tn）~ N（0，tn+1- tn）和时间步数Nt。

相应地，我们得到一个近似值（23）asZ（tn）=exp(-rtn）gPX（tn）, 0≤ n<Nt。（48）我们使用相同的基本布朗运动来生成资产的近似曲线，以及（2 6）中用于构造期权价格上界的变量R的近似值：R（tn+1）=R（tn）+exp(-rtn）uA公司Ttn，PX（tn）btn，XtW（tn），0≤ n<Nt，R（）=0。（49）使用离散近似（47）和（49），我们可以估计a n上界a+，和a n下界a-, 对于期权价格，uA（0，X（）），使用M i.i.d样本的样本平均值，名称为a+M，Nt=MMXi=1u+（ωi），u+=max0≤ j≤Nt公司Ztj公司-Rtj公司（50）安达-M、 Nt=MMXi=1u-（ωi），u-= 经验值-rτg级PXτ,指数。（tn）=最大n1≤ m级≤ Ns：（tn，sm）∈指数。oτ=最小值0≤ j≤ Nt：PXtj公司≤ 指数。（tn）.（51）为了估计价格边界离散化近似中的偏差，我们对蒙特卡罗样本进行了基因评级，并根据不同的n值对所得刺激因子之间的差异进行了估计，A+M，2Nt- A+M，Nt和A.-M、 第2个- A.-M、 Nt公司. 关于使用For ward Euler方案评估命中时间s作为等式（51）中的击中时间s的讨论，我们参考Buchmann（2003）；拜耳等人（2010年）为了加速边界的计算，我们注意到使用多水平估计器代替（51）和（50）中的估计器的可能性（Giles，2015年）。这超出了这项工作的范围。在第3节中。5，我们给出了一组选定的测试用例，我们对其评估了估计量（50）和（51）。我们特别关注多元Black-Scholes假设，该假设既相关又非平凡，且满足假设3.1。我们研究的BlackScholes模型的参数化本质上不具有一维值函数的特征，当方法的准确性无法事先保证时，可以将其作为我们方法的测试用例。

然而，使用上下限，我们可以分析方法的准确性并验证其准确性。出于验证目的，我们对恒常性Bachelier模型进行了测试，其中马尔可夫投影精确地反映了美国期权价格。MARKOVIAN PROJECTION 213.4中美式篮子期权的隐含止损规则。误差分解。在进一步进行数值示例之前，我们简要总结了价格边界数值解中产生的误差，将总误差分解为其组成部分。表示（50）和（51）asA的估计值±∞,∞= 新界利姆→∞A±M，Nt，我们的期权价格已达到令人满意的水平-∞,∞≤ uA（0，x）≤ A+∞,∞.在实践中，我们依赖基于有限M和Nt的估计量。间隙的大小A+∞,∞- A.-∞,∞由引起下一次停止时间（20）的近似值函数以及对偶鞅M决定。通常，不可能找到近似值函数，使其接近真实解。此外，即使存在良好的一维近似，我们也依赖于近似积分公式来恢复它。因此，对于一般模型，我们无法控制方法的误差和间隙的大小A+∞,∞- A.-∞,∞. 然而，我们感兴趣的是选择数值参数，以便对该间隙的大小作出可靠和有用的估计。在+∞,∞和A-∞,∞, A±∞,∞以及相应的估计量A±M，NTI。下面，我们概述了导致这些差异的数值模拟。

除了近似τ所隐含的基本误差*在（19）和（20）的τ+中，有四种主要的数值方法用于该过程，每种方法都会产生不同的误差分量。这些是：（1）由于样本数s、M、in（50）和（51）的有限而产生的统计误差，（2）前向欧拉近似中引入的步长偏差（47），（3）解的离散化误差，导致早期运动区域的不精确近似和（49）（4）中的灵敏度。在评估（40）中投影动力学的积分效率和相应的后向解时，拉普拉斯近似误差。注意到时间步进方案的选择意味着时间和空间离散化步骤数Nt和Ns之间的最佳依赖性，并且使用最佳Ns，我们扩展了估计量A的符号-和A+toA±M，Nt=A±M，Nt，Nt，~b，其中第一个ntr指的是for ward Euler时间步数，而后者指的是反向解算器中的相应步数。利用三角不等式，我们分解A±∞,∞- A±M，Nt=A±∞,∞,∞,b（x）- A±M，Nt，Nt，~b≤A±∞,∞,∞,b（x）- A±∞,∞,∞,b+A±∞,∞,∞,b- A±∞,∞,Nt，~b+A±∞,∞,Nt，~b- A±∞,Nt，Nt，~b+A±∞,Nt，Nt，~b- A±M，Nt，Nt，~b.对于拉普拉斯误差A±∞,∞,∞,b（x）- A±∞,∞,∞,b, 没有简单实用的方法来控制错误。我们通过附录A中所示的数值实验来估计误差。所有其他成分都得到了很好的定义，可以在各自的数值方法中使用标准参数进行控制。首先，关于工厂22 C.拜耳、J.H¨APP¨OL¨A和R。

TEMPONE公司-3.-2.-1NtN-TXmaxτa（a）预期命中时间（τa，绿色）收敛到早期运动区域，以及间隔0上的预期最大值（Xmax，蓝色）≤ t型≤对于一个三维相关BlackScholes模型（56），沿着-t参考线（虚线）。280 290 300 310 3209·10-20.10.110.12KT=0.10T=0.20T=0.30T=0.40T=0.50（b）美式看跌期权的隐含波动率，对应于预测的三维Black-Scholes模型（56）的局部波动率。当预测动态给出局部波动率时，σimp.的每个值为其各自的执行价格K生成美式期权价格的期权价格。图2：。样本量，我们可以在给定置信参数的情况下，利用中心极限定理（CLT），并通过增加样本量来控制概率统计误差，（52）A±∞,Nt，Nt，~b- A±M，Nt，Nt，~b= OP公司M-.对于时间离散化参数，对于ba c kward Euler方法，我们将Nsin（44）设置为Ns=cNt，从而导致离散化误差，A±∞,∞,∞,b- A±∞,∞,Nt，~b= ON-1吨.（53）最后，为了模拟（26）中对偶鞅的极值点以及UA所暗示的进入早期练习区域的击中时间，我们有A±∞,∞,Nt，~b- A±∞,Nt，Nt，~b= ON-t型,（54）如图2（a）所示。这项工作的新贡献是使用预测过程来确定真正定价问题（7）的混合行使策略，使用解决的预测值函数（18）。在以下各节中，我们希望证明th isapproa c h的可行性，并测量产生的误差，选择参数，使误差（52）、（53）和（54）与使用代理过程及其使用拉普拉斯近似的近似评估所暗示的误差相比较小。

我们将在下一节中继续执行此操作。3.5。示例。本节展示了我们提出的一篮子美式看跌期权定价方法的性能。首先，我们使用第3.5.1节中的50维单声道模式l来验证我们的结果。在验证了我们的数值实现再现了基于引理2.7的预期结果后，我们继续在第3.5.2-3.5.4节的多元Black-Scholes模型中应用该方法。MARKOVIAN投影中美式篮子期权的隐含止损规则23Nt（a）上限a+128000，Nt（蓝色）和下限a-128000，Nt（绿色），对于不同时间步数的美国认沽价格，Nt，在前向欧拉离散化中。误差范围对应于95%的置信水平。关于置信区间相对宽度的对应行为，见图3（b）。-4.-3.-2.-1Nt（b）相对于图3（a）中所示测试用例的货币下的基础期权价格的误差界限距离。不确定度的估计值是由3（a）中给出的上限和下限以及两者的统计误差和偏差估计值组合而成。图3：。第3.5.1节中描述的Bachelier模型的上下界的收敛性，以及由此产生的美式期权和货币期权的相对误差。3.5.1。美国人以单身汉的模式坐在篮子上。在此，我们希望验证（44）近似值函数的有限差分解算器的数值实现，以及相应的蒙特卡罗估值器（51）和（50），分别用于上下两个货币。我们研究了Bachelier模型中50维美式看跌期权的解（见等式（2）和（3））。作为我们的即时测试案例，我们将重点放在到期日T=的资金投入上。

为了保证有一个非平凡的紧急锻炼区域，我们设定了相对较高的利率r=0.05。我们为所有资产1选择一个上对角线∑，其中元素∑ii=20≤ 我≤ 50，并从标准正态分布中画出对角线分量∑i j，j>i。模拟资产动态X，用于一系列时间离散化，Nt=1000×2k，4≤ k≤ 1 1，我们观察到，随着Ntin的增加，uA（0，x）的上限和下限之间的差异变得可以忽略不计。图3（a）显示了收敛界的这种行为，以及上界e估计量a+的统计误差，它远远被下界估计量a的相应统计误差所掩盖-. 实际上，随着正向模拟中时间步数的增加，我们看到上界与下边界的置信区间相交，导致方法d.24 C.拜耳、J.H¨APP¨OL¨A和R.TEMPONE3.5.2的相对误差低于1%。3-1维Bla-ck-Scholes模型。作为Black-Scholes模型的第一个测试参数化，我们考虑了相关三维Black-Scholes模型的情况（见等式s.（2）和（4））。我们将波动率函数分解为单个波动率σ和资产收益的相关结构。我们用G表示对数回报（55）∑i j=σiGi j的相关矩阵的CholeskyDecomposition。我们设置测试用例的数值参数tor=0.05，σ=（0.2，0.15，0.1）T，GGT=1 0.8 0.30.8 1 0.10.3 0.1 1,（56）和等权重资产组合TSP=[1，1，1]，（57）作为高短期利率环境中三种中等相关资产的代表性测试案例。

如图1（b）和2（b）所示，预测的局部波动率具有明显的偏斜。我们在portfo lio密度显著偏离零的区域内的几个dozennodes网格上评估拉普拉斯近似预测波动率b。在该网格上执行回归到三次多项式可以得到图1（a）中的c损失资产。三阶近似法还允许我们将预测波动率的评估扩展到拉普拉斯近似法适用的领域之外。此外，低阶多项式对预测波动率的系数可以通过常数或时间的线性ar函数很好地近似。这意味着在很大的时间内，我们可以求解预测的波动率b（x），特别是在时间上稀疏，并且仍然存在可接受的插入误差。为了评估该方法的准确性，我们将重点放在一组T=的看跌期权上，并报告了约0.5%的相对数值精度。有关价格结果和相应的活动误差，请参阅图4。MARKOVIAN PROJECTION美国篮子期权的隐含止损规则25270 280 290 300 310 320 330-1K（a）欧洲（蓝色）和美国（绿色）期权价格，使用前向欧拉蒙特卡罗近似和基于预测波动率的停止规则以及鞅界。270 280 290 300 310 320 330-3.-2.-1K（b）在不同货币范围内，使用前向欧拉蒙特卡罗近似法评估美国（绿色）和欧洲（蓝色）期权价格时的相对误差。在高打击时，Kwe观察到轻微的停止时间Pτ+=0= 1、图4。测试案例（56）的欧洲和美国看跌期权价格以及相应的相对误差。

为了比较解算器，使用相同的空间和时间网格、样本大小和蒙特卡罗实现数来解算欧洲和美国选项。0.20.4st（a）3-1维投影问题的美式值函数的有限差近似值（56）。请注意，值函数的值仅用于确定早期执行边界，除了在s=300、t=0.0 0.1 0.2 0.3 0.40.5t（b）点外，没有任何实际解释，对于货币认沽期权，成熟度t=0.5的3到1维预测问题（56）的早期执行边界的数值差异近似值。如图1所示，预测波动率下降导致轻微扭结att<0.05。图5：。3-1维Black-Scholes示例（5-6）的值函数和相应的早期练习边界。26 C.BAYER、J.H¨APP¨OL¨A和R.TEMPONE980 1000 1020 1040K（A）欧洲（蓝色）和美国（绿色）在T=0.5的10维Black-Scholes测试案例（58）中的看跌期权价格，使用前向Euler-Monte Carlo近似和基于预测波动率的停止规则以及鞅界。980 1000 1020 1040-3.-2.-1K（b）使用不同货币范围的前向Euler-Monte Carlo近似法评估10维Black Scholes模型（58）的美式（绿色）和欧式（蓝色）期权价格的相对误差。图6：。10-1维BlackScholes模型（58）上下界的收敛性以及由此产生的相对误差。如图4所示，使用相同的数字参数来求解欧洲和美国的价格，以便进行比较。3.5.3。10-1维Black-Scholes模型。接下来，我们考虑一个类似于（56）的示例，将维数增加到10。

继续分解（55），我们设定r=0.05，σi=0.125，1≤ 我≤ 10，GGT=1 0.2 0.2 0.35 0.2 0.25 0.2 0.2 0.2 0.3 0.20.2 1 0.2 0.2 0.2 0.125 0.45 0.2 0.2 0.450.2 0.2 1 0.2 0.2 0.2 0.2 0.2 0.2 0.45 0.20.35 0.2 0.2 0.2 1 0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.5 0.35 0.20.2 0.45 0.2 0.2 0.2 1 0.2 0.2 0.2 0.20.2 0.45 0.2 0.2 0.2 0.2 1 0.2 0.2 0.2 0.20.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2 1 0.2-0.10.3 0.2 0.45 0.425 0.5 0.35 0.2 0.2 1 0.20.2 0.45 0.2 0.2 0.2 0.2 0.2 0.2 0.2-0.1 0.2 1.（58）我们评估了一系列具有不同货币性的看跌期权，这些看跌期权用于同等权重的资产组合，即我们为所有指数设置P1i=1。以前，我们观察到相对准确度只有几个百分点，相对误差随着金钱的增加而减少。与前一种情况一样，在极度有钱的情况下，我们注意到在初始时间进行练习的趋势，导致估计值的方差下降，随后出现相对误差，如图6所示。图7（b）说明了10维情况下美式a和欧元期权价格不确定性的行为，以及时间步数Nt的函数。MARKOVIAN投影中美式篮子期权的隐含止损规则27Nt（a）价格不确定性作为美式期权（蓝色）和相应欧洲期权（绿色）的10维Black-Scholes模型的时间步数Ntf的函数-3.-2.-1Nt（b）估计美国（蓝色）和欧洲（绿色）期权价格的相对误差。图7：。10维Black-Scholes模型（58）中的价格不确定性，在正向Euler-monte Carlo中，时间步数可变。3.5.4。25-1维Black-Scholes模型。最后，我们考虑了一个高维的情况，这肯定是大多数偏微分方程解算器无法解决的。

我们选择拜耳等人（2016）考虑的25维GBM。对于其余参数，wesetXi（）=100，i∈ {1，2，…，25}r=0.05，（59），并使用相等的投资组合权重来评估期权，P1i=1，i∈ {1，2，…，25}。在25维模型中，我们继续观察到到期日为t=的篮子看跌期权的预计停止规则的相对误差的百分之二十的数值表现，以及明显超过该方法准确性的早期行权溢价。图8（a）和图8（b）分别给出了美国和欧洲期权的期权价格估计结果以及相应的误差范围。为了证明我们的方法对特定参数选择的一致性和鲁棒性，我们使用不同的投资组合权重多次重复运行。这些重复试验的结果如图9所示。我们不认为，尽管我们尚未证明一般多变量模型的渐近收敛性，但用一维停止规则近似真实问题会得到一致的结果，其结果可与最具吸引力的美国指数期权的买卖价差相媲美，并且远低于流动性较差的地区a l指数和跟踪m的TFS。我们还注意到，美国看跌期权价格的相对准确度在关键的货币内地区最高，在这一地区，违反看跌期权平价的情况最为严重。结论在这项工作中，我们证明了在一篮子货币期权定价框架中使用马尔可夫投影的实用性。在实施28 C.拜耳、J.H¨APP¨OL¨A和R。

Tempone24002450 2500 2550 2600K（a）欧洲（蓝色）和美国（绿色）25维Black-Scholes测试案例在第3.5.4节T=0.5时的认沽期权价格，使用前向Euler-Monte Carlo近似和基于预测波动率的停止规则以及鞅界。24002450 2500 2550 2600-3.-2.-1K（b）使用不同货币范围的前向Euler-Monte Carlo近似法评估25维BlackScholes模型的美国（绿色）和欧洲（蓝色）期权价格的相对误差。如前图4和6所示，美国和欧洲选项均使用相同的数值参数。图8：。25-1维BlackScholes模型上界和下界的收敛性以及由此产生的相对误差s.235024002450 2500 2550 22002650k235024002450 2500 2550 2600 2650-3.-2.-1K图9。美国p ut价格（9（a））和相应的相对误差（9（b）），43个独立的兰德公司在25-1维Black-Scholes模型上评估美国p ut的代表，该模型有258个Varyngstrike，K.的单独期权价格估值。除了拜耳等人（2016）测试问题的随机结构以及参数（59）和T=，我们还随机化portf olio权重。对于每个ru ns，我们从n个统一分布U[，]中分别选择p1i指数，并最终缩放权重，使其在xi=1P1i=25。美式篮子期权的隐含停止规则从数字样本的马尔可夫投影29中，我们分析了BlackScholes模型的明确已知密度，以及Bachelier模型的具体结构。

利用知识性，我们设计了一个Lapla c e近似值来评估马尔可夫预测过程的波动性，该过程描述了篮子的预测和近似动态。我们已经证明，对于Bachelier模型，马尔可夫投影会产生精确的预测期权价格，即使在考虑具有路径依赖的期权时也是如此。我们还展示了成本函数的消失导数是如何体现过程动力学的，而不是期权的早期行使性质。利用这一结果，我们证明了Black-Scholesmodel的非平凡特征的存在，即re本质上是低维的。利用马尔可夫投影和拉普拉斯近似，我们实现了多元Black-Scholes模型各种参数化的低维近似。通过数值实验，我们已经表明，这些近似在评估一篮子美式期权的价格时表现得出奇地好。我们将这些结果作为Black-Scholes模型的一个主要站，用相应的Bachelier模型来近似。使这些结果与许多早期工作不同的是，我们在Black-Scholes模型中近似一篮子资产的完整轨迹，而不仅仅是瞬时回报。迄今为止，用于解决此类问题的主要方法是最小二乘蒙特卡罗方法，该方法与我们提出的方法具有一些共同的属性。

与最小二乘蒙特卡罗法不同，我们提出的方法不依赖于选择用于评估期权持有价格的基本要素，而只依赖于我们评估预测动态的方向或方向。我们的结果为未来的发展打开了大门，包括将当前的研究扩展到GBM模型之外的模型。我们使用正向模拟验证了停止规则的准确性。这项工作的一个可能扩展是使用远期样本来评估预计的波动率，这是Guyon（2015）在校准相关结构时使用的一种方法。由于我们方法中唯一的非受控错误是在评估局部挥发度b（x）时产生的偏差，因此，在不引入偏差的情况下有效实施此类评估的可能性将非常有用。从理论上看，我们的工作提出了这样一个问题：如果投影维数增加，近似是否会改善。在这项工作中，我们的目的并不是演示如何使用马尔可夫投影模型来评估隐含的停止时间。在这样做的过程中，我们的目的并不是为了尽可能提高计算效率，在这一领域存在着许多进一步优化的可能性。就收敛阶而言，计算的瓶颈是前向Euler模拟以及随后对SDE实现的最大值和命中次数的评估。这些蒙特卡罗方法可以通过自适应性、多级方法、准蒙特卡罗（Birge，1994；Joy等人，1996）或分析ap近似来增强。

同样，数值解算器的优化也有可能使用高度优化的反向解算器来评估值函数（Khaliq等人，2008）。关于将投影扩展到更高维度以允许早期练习边界的更高维度近似的可能性，我们请读者参考（Hager等人，2010）。我们还注意到使用二叉树方法的可能性（Joshi，2007），该方法自然考虑了预测PDE的域形状。我们专注于市场上广泛报价的同类型期权在商业上最相关的应用。对于二元期权的情况，分析仍然存在30 C.BAYER、J.H¨APP¨OL¨A和R.Temponesame，只有支付变化的函数形式。研究马尔可夫项目动力学在定价其他路径依赖型期权（如亚洲期权和敲打期权）方面的表现也很有意义。假设能够有效评估与这些状态变量对应的预计波动率，则可以研究更一般的支付函数。我们感谢欧内斯托·莫德·埃基教授和法比安·克罗切教授的反馈，他们的反馈大大改进了这份手稿。吉利斯·丹尼尔森提供了非常有价值的从业者观点。参考Sachdou，Y.和Piro nneau，O.，期权定价的计算方法，2005年，暹罗。Ametrano，F.和Ballabio，L.，QuantLib-一个免费/开放的定量金融资源库，2003年，Andersen，L.B.，多因素Libor市场模型中百慕大掉期期权定价的简单方法。SSRN 155208、199 9提供。Bally，V.，Printems，J.等人，多维美式期权定价和套期保值的量化树方法。数学杂志，2005年，第15119-168页。Barraquand，J。

和Martineau，D.，高维多变量美国证券的数值估值。《金融与定量分析杂志》，1995年，第30期，第383–405页。Bayer，C.和Laurence，P.，《Carlo上的渐近性：相关本地卷篮的情况》。《纯粹数学与应用数学交流》，2014年，第67期，第1618–1657页。拜耳（Bayer，C.、Siebenmorgen，M.和Tempone，R.，平滑了一篮子期权价格的支付效率计算。arXiv预印本arXiv:1607.05572，2016。Bayer，C.、Szepessy，A.和Tempone，R.，反射和停止差异的自适应弱近似。蒙特卡罗方法与应用，2010年，1月6日，1-67日。Belomestny，D.、Dickmann，F.and Nagapetyan，T.，通过多级近似方法对百慕大期权进行定价。《暹罗金融数学杂志》，2015年，6448–466。Birge，J.R.，期权定价的准蒙特卡罗方法。安娜堡，1994，100148109。Black，F.和Scholes，M.，《期权和公司负债的定价》。《政治经济杂志》，1973年，第637-654页。Broadie，M.和Glasserman，P.，使用模拟为美式证券定价。《经济动力学与控制杂志》，1997，21，1323–1352。Buchmann，F.，用Euler格式计算退出时间。在Seminarf–ur Angewandte Mathematik会议录中，Eidgen–ossische Technische Hochschule，2003年。Choi，S.和Marcozzi，M.D.，美国货币期权估值的数值方法。《衍生品杂志》，2001年9月19日至29日。Cont，R.，《资产回报的经验性质：现实事实和统计问题》。定量金融，2001年，1223–236。Cox，J.，期权定价注释I：方差差异的恒定弹性。Unp PublishedNote，斯坦福大学商学院，1975年。Djehiche，B.和L–ofdahl，B.，残疾保险中的风险聚合和随机索赔准备金。

《保险：数学与经济》，2014，59100–108。Fama，E.F.，股票市场公关行为。《商业杂志》，1965年，第38期，第34-105页。马尔可夫投影中美式篮子期权的隐含停止规则31Feng，L.、Kovalov，P.、Linetsky，V.和Marcozzi，M.，《衍生定价中的变分方法》。运筹学和管理科学手册，2007，15，301–342。Giles，M.B.，多层蒙特卡罗方法。数字学报，2015，24259。Glasserman，P.、Yu，B.等人，《美式期权定价中的路径数与基函数数》。《应用概率年鉴》，2004，14，2090–21 19。Goutis，C.和Casella，G.，解释鞍点近似。《美国统计学家》，19953216-224。Grunspan，C.，关于N正态和对数正态隐含可用性之间等价性的说明：无模型方法。SSRN 18946522011提供。Guyon，J.，交叉依赖波动率。可从SSRN 26 151622015获取。Gyongy，即，模拟具有无差别过程的一维边际分布。概率论及相关领域，19 86、71、501–516。Hager，C.、H¨ueber，S.和Wohlmu th，B.I.，B asketoptions估值的数字技术及其希腊语。计算金融杂志，2010，13，3。Haugh，M.B.和Kogan，L.，《冻结美国期权：双重方法》。运营研究，2004年，52258-270。Hilber，N.，Matache，A.M.和Schwab，C.，期权定价随机波动率的稀疏小波方法。在2004年的会议记录中。Joshi，M.S.，美国国债二叉树的收敛性。atSSRN 103014 3，2007年提供。Joy，C.、Boyle，P.P.和Tan，K.S.，数值金融中的准蒙特卡罗方法。管理科学，1996，42926–938。Kangro，R.和Nicolaides，R.，Black-Scholes方程的远场边界条件。

SI AM数值分析杂志，2000，381357–1368。Khaliq，A.Q.、Voss，D.A.和Kazmi，K.，《自适应θ-美式期权定价方法》。《计算与应用数学杂志》，2008年，222210-227。Longstaff，F.A.和Schwartz，E.S.，通过模拟评估美国选项：最简单的平方法。《金融研究回顾》，2001年，第14113–147页。Mandelbrot，B.B.，某些特定价格的变化。《分形与Sca ling inFin ance》，第3 71–4181997页，斯普林格出版社。Matache，A.M.、Von Petersdorff，T.和Schwab，C.，《列维驱动资产期权的快速确定性定价》。ESAIM：数学建模和数值分析，2004,38，37–71。Mehta，N.B.、Wu，J.、Molisch，A.F.和Zhang，J.，用对数正态分布逼近随机变量之和。IEEE无线通信交易s，2007，6。Melino，A.和Turnbull，S.M.，外汇期权定价。加拿大经济学杂志，1991年，第251-281页。Merton，R.C.、Brennan，M.J.和Schwartz，E.S.，美国ic a n看跌期权的估值。《金融杂志》，1977年，32449-462。Piterbarg，V.，一个stoc hastic波动率远期伦敦银行同业拆借利率模型，期限结构为波动率文件。工作文件，美国银行，2003年。Piterbarg，V.，波动率校准的马尔可夫投影法。可从SSRN906473、20 06获得。Piterbarg，V.V.，具有时间相关偏差的随机波动率模型。应用数学金融，20 05、12、147–18 5。Rogers，L.C.，M onte Carlo美式期权估价。数学金融，2002,12，271–286.32 C.拜耳，J.H¨APP¨OL¨A，R.TEMPONESchacherm ayer，W.和Teichman，J.，贝勒和布莱克-默顿-斯科尔斯的期权定价公式有多接近？。金融学硕士，2008年，18155-170。Shun，Z.和McCullagh，P.，高维积分的拉普拉斯近似。皇家统计学会杂志。

B系列（方法学），1995年，第749-760页。Sulliva n，E.J.和Weithers，T.M.，Louis Bachelier：现代期权理论之父。《经济教育杂志》，1991年，第22期，第165-171页。Thomson，I.A.，期权定价模型：将Lou is Bachelier与Black ScholesMerton进行比较。2016年S SRN 2782719提供。Yosida，K.，关于黎曼空间中抛物方程的基本解。《大阪数学杂志》，1953年，第5期，第65-74页。Zanger，D.Z.，美国期权定价最小二乘蒙特卡罗算法的定量误差估计。《金融与随机》，2013年，17503–534。Zanger，D.Z.，依赖样本数据美式期权定价的最小二乘蒙特卡罗算法的收敛性。Mathematica l Finan c e，2016年。附录A拉普拉斯近似公式（39）中被积函数的泰勒展开可以用多种方式进行，我们在这里讨论并说明一些自然选择。对于测试案例，让我们考虑R=0且P=[1，1]、∑=diag的等波动率、等权重非相关二维Black Schole s模型[σ，σ]T,X（）=[100100]T，波动率σ=0.1。对于这样一个简单的测试用例，我们可以手动评估相关的扩展。对于高维模型，我们需要求助于求积或蒙特卡罗。将投资组合值固定为PX（），根据第二项资产的自然价格，相关的单峰被积函数为（60）f（s）=exp-（日志（2-s） ）2σ-（对数）2σ+2 logσ+对数s- 400秒+40000秒- 日志（200- s）- 日志！分子的2πσ和▄f（s）exp-（日志（2-s） ）2σ-（对数）2σ- 日志（200- s）- 日志！2πσ（61）表示提名人。

或者，我们可以用对数价格x=对数，f（x）表示积分=-（日志（2-ex））2σ-x2σ+2logσ+log2e2x- 4ex+4- 日志（2- ex）- 分子的x2πσ（62）和▄f（x）=-（日志（2-ex））2σ-x2σ- 日志（2- ex）- x2πσ（63）来自马尔可夫投影的美式篮子期权隐含止损规则3370 80 90 100 120 1300.51.5·10-3s（a）70 80 90 100 110 120 1300.10.20.30.4s（b）图10。蓝色的函数fof（61）（1 0（a））和fof（60）（1 0（b））及其各自的近似值，基于其红色对数的二阶泰勒展开式。-0.3-0.2-0.1 0.1 0.2 0.30.20.40.60.81.2·10-2x（a）-0.3-0。2.-0.1 0.1 0.2 0.30.10.20.30.4x（b）图11。蓝色和的函数fof（63）（11（a））和▄fof（62）（11（b））及其各自的近似值，基于其lo garithmsin红色虚线的二阶泰勒展开式。对于分母。根据这些定义，我们得到了联合国it时间预测的波动率b（x）（1200）=RRf（s）dsRRf（s）ds=RRf（x）dxRRf（x）dx。被积函数f，~fan及其各自的二阶近似形式expη+κ（z- z*)如图10所示为价格扩展，图11所示为对数价格。34 C.拜耳、J.H¨APP¨OL¨A和R。

tempone近似值为2πσf（s）≈exp2logσ-σ+！（s）- 100）！，2πσИf（s）≈经验值-2日志200-σ+！（s）- 100）！，2πσf（x）≈exp2logσ+log200-σ+2！x！，2πσИf（x）≈经验值-σ+1！x！，给出两个ap近似值▄b（1100）=▄b（1100）=20000σr1+2σ1+σ≈ 200.99。相比之下，通过求积，我们得到的参考值为20 0.98，与拉普拉斯近似d值非常一致。德国柏林默伦大街39号，邮编10117韦尔斯特拉斯研究所电子邮件地址：christian。bayer@wias-柏林。沙特阿拉伯首都阿卜杜拉科技大学，邮编：23955-6900，邮编：juho。happola@kaust.edu.saCEMSE，K ing Abdullah科技大学（KAUST），图瓦尔23955-6900，沙特阿拉伯邮箱：raul。tempone@kaust.edu.sa