在本试验中，SFP方法的R最小∞安德烈罗斯，带着R∞且小于5.8e-13当走向从1增加到200时，U=64。Italso还产生了其他任何方法都无法比拟的全局谱收敛性。这表明，本文提出的截断范围可以比Fang和Oosterlee（2009a）提出的范围更长。在表4中，我们使用相同的参数（BSM–Para1）来检验COS和SFP方法对现金或无现金认沽期权定价的能力。同样，这两种方法可以实现非常低的收敛误差和谱收敛。表5引用了第三次测试（BSM–Para2），并复制了Ortiz Gracia和Oosterlee（2016）中的表3。在这次测试中，SFP方法比SWIFT和COS方法具有更高的精度，所需的术语更少。例如，当T=50时，在SFP方法中，我们只需要32个项就可以获得7位数精度的truesolution，而其他两个项需要更多项才能获得1位数精度。最后，在上一次测试（BSM–Para4）中，由于累积量太小，无法为COS和过滤COS方法创建有意义的截断范围，我们使用（76）允许该方法生成相关期权价格。

在图4中，SFP方法主导了其他四种方法，以产生远离跳跃的全球光谱收敛速度，而2017年11月15日的输入定量金融Singcfseurov13重新格式化了GBM模型的密度-0.05 0.05y050100015002000 GBM模型的密度-1 0 1 2y00.511.522.53 GBM模型的密度-5 0 5 10 15y00.050.150.20.25 GBM模型的密度t=50T=100图2：概率密度函数由三组参数生成：BSM–Para1（左上）、BSM–Para3（右上）和BSM–Para2（下）。0 50 100 150 200Strike-6-4-202log10jErrorjCONV0 50 100 150 200Strike-4-3-2-1012log10jErrorjLewis-FRFT0 50 100 150 200Strike-20-15-10-505log10jErrorjCOS0 50 100 150 200Strike-20-15-10-50log10jErrorjSFPFigure 3：在BSM模型下，采用CONV、Lewis FRFT、COS和SFP方法对欧洲deepat/in/out of the money看跌期权进行定价的误差包络线，罢工次数从1次增加到200次。术语/网格点的数量按8（红线）、16（蓝线）、32（绿线）和64（黑线）的顺序增加。在SFP方法中观察到谱收敛。参数取自BSM–Para1。非光滑PDF（见右上角，图2）的行为类似于Dirac Delta函数，在原点附近有一个几乎非常薄的尖峰。在表6中，当我们在跳跃S=99.999时测试期权价格的准确性时，SFP方法主导了其他方法。当S=95和6.269e时，绝对误差为零- 05当U=64时，当S=99.999时，与真解的误差。这与Driscoll和Fornberg（2011）的发现一致，因为当函数非常困难时，SFP在跳跃时提供4-6位数的精度。显然，上一次测试中的非光滑PDF很难近似，因为它的行为类似于狄拉克三角洲。最后，使用BSM–Para3的相同参数，我们通过图5中的SFP近似值恢复调用Delta和Gamma。

在图中，SFP提供了一种除了跳跃之外的极高精度和全局谱收敛的解决方案。8.1.2. 方差Gamma模型。VG过程（Madan and Seneta 1990，Madan and Milne 1991，Madan et al.1998）是一个有限的活动列维过程，是布朗运动的从属版本（参见Cont and Tankov 2004）。该模型最重要的特点是布朗运动是在随机时间t内进行计算的*（由独立递增的L'evyth确定Dirac Delta函数是实数线上的一个广义函数或分布，除0外，其他地方均为零。2017年11月15日，量化金融SingCfseurov13重新格式化表3:误差收敛和CPUtime中CONV、Lewis FRFT、COS和SFP方法的比较在BSM模型下。k的范围是1到200。在SFP方法中观察到谱收敛。参数取自BSM–Para1。CONV Lewis FRFTN R公司∞RTime N R∞RTime8 20.49 180.1 0.00806 8 32.53 356 0.0211116 6.292 53.54 0.00941 16.1 156.4 0.025532 1.998 13.83 0.01012 32 7.933 69.38 0.0457164 0.5709 3.286 0.01641 64 4.765 38.81 0.09151COS SFPN R∞RTime U R∞RTime8 5.046 10.06 0.00706 8 1.028e-01 5.893e-01 0.0090116 5.109 8.447 0.00841 16 2.818e-04 1.559e-03 0.0095132 5.111 8.449 0.01113 32 1.598e-09 3.732e-09 0.0131264 5.111 8.449 0.01423 64 1.991e-13 5.801e-13 0.01731表4：在BSM模型下，比较COS和SFP方法在误差收敛和CPU时间方面对Europeancash或nothing看跌期权定价的影响。K的范围为80到120。在COS和SFP方法中观察到谱收敛。

参数取自BSM–Para1。COS SFPN R∞RTime U R∞RTime8 6.395e-02 7.711e-01 0.00716 8 3.673e-03 3.974e-02 0.0090116 2.562e-03 2.831e-02 0.0083116 3.801e-06 2.646e-05 0.0093132 7.681e-08 8.794e-07 0.011232 5.702e-12 2.668e-11 0.0134264 1.772e-15 4.015e-15 0.01523 64 1.156e-14 2.297e E-14 0.01791表5：在BSM模型下，比较COS、SWIFT和SFP方法对看涨期权定价的绝对误差。使用Black-Scholes分析公式计算参考值：99.202592852532000（T=50）和99.99456094213000（T=100）。SFP方法比其他方法更精确，所需的求和项更少。参数取自BSM–Para3。方法错误（T=50）错误（T=100）SWIFT（m=0）1.91e- 01 2.50e- 05COS（N=35）4.98e- 01 2.05e+02SFP（U=32）2.653e- 07 7.067e- 08SWIFT（m=1）7.78e- 09 3.20e- 06COS（N=70）2.79e- 08 2.02e-05SFP（U=64）2.251e- 10 7.037e- 11process-a Gamma过程）而不是日历时间t。假设VG过程b（t*; θ、 σ）定义为θt*+ σWt*, 其中随机时间t*由伽马过程给出，伽马（t；1，ν）具有单位均值和方差，θ是t处的漂移*, 和Wt*表示标准布朗运动。然后，我们将VG过程驱动的股价动态定义如下：ST=Se（r-q-ω） t+θ伽马（t；1，ν）+σWGamma（t；1，ν），（98）2017年11月15日定量金融Singcfeurov13重新格式化80 90 100 110 120股价-1-0.500.511.52log10jErrorjCONV80 90 100 110 120股价-2-1012log10jErrorjLewis-FRFT80 90 100 110 120股价00.511.5log10jErrorjfilter-COS80 90 100 110 120股价-15-10-50log10jErrorjSFPFigure 4：在BSM模型下对欧洲货币看涨期权进行定价时，CONV、Lewis FRFT、Filter COS和SFP方法的误差包络线在80到120之间。

术语/网格点的数量按8（红线）、16（蓝线）和32（绿线）的顺序增加。在SFP方法中，在远离跳跃的地方观察到谱收敛。参数取自BSM–Para4。表6：根据BSM模型下看涨期权定价的绝对误差，比较CONV、COS、FILTER COS和SFP方法。参考值为0（S=95）和0.007491657716010（S=99.999）。SFP方法比其他方法更精确，所需的求和项更少。参数取自BSM–Para4。S=95 CONV filter COS SFP S=99.999 COS filter COS SFPN/U Error Error Error N/U Error Error Error Error 8 2.004e+01 5.099 2.813e-04 8 2.475e-01 4.482e-01 3.849e-0216 1.940e+01 4.987 7 7 7 7.268e-08 16 1.307e-01 1.944e-01 4 4.704e-0332 1.311e+01 5.001 0.000 32 7.008e-02 1.030e-01 3.473e-0364 6.696 5.000 0.000 64 3.960e-2 5.587e-02 6.268e-05及其特征函数由Д（U）=exp给出iu（r- q- ω） t型1.- iθνu+σνu！tИ，u∈ R、 （99）此处ω=-νlog1.- θυ -συ. 实验参数从以下各项中选择：VG–Para1：S=100，σ=0.12，θ=-0.14，ν=0.2，r=0.1，T=0.1，q=0，（100）VG–Para2：K=1，σ=0.1213，θ=-0.1436，ν=0.1686，r=0.03，T=1，q=0.01。（101）之所以选择第一组参数，是因为Lord等人（2008年）报告的期限很短的Conv方法收敛速度相对较慢。最后一组来自Pistorius andStolte（2012），其来源于Madan等人（1998）。这些试验的参考值基于VG分析公式。我们通过图6中的SFP方法展示了所有恢复的PDF，并且可以通过VG–Para1获得非平滑恢复的PDF（红线）。我们在（74）和（76）的截断区间内设置L=10。

在第一次数值测试（VG–Para1）中，我们检查了从80到120 K范围内250种不同看涨期权价格的收敛行为，然后检查了跳跃前后/跳跃时的个别看涨期权价格。图7中报告了SFP方法的全局谱收敛远离跳跃。在表7中，当K=90时，SFP方法可以达到13位精度，需要128项。这一结果要好得多，2017年10月15日，量化金融Singcfseurov13重新格式化80 90 100 110 120股价-0.500.511.5Delta值delta80 90 100 110 120股价-0.200.20.40.6Gamma值gamma80 90 100 110 120股价-20-15-10-50log10jErrorjDelta80 90 100 110 120股价-15-10-50log10jerrorjgammafigure 5：恢复的呼叫增量 （左上）和GammaΓ（右上），通过BSMmodel下的SFP方法，打击次数从80增加到120，其相应的误差包络：Delta （左下）和GammaΓ（右下）。术语数量按8（红线）、16（蓝线）和32（绿线）的顺序增加。在SFP方法中，在远离跳跃的地方观察到谱收敛。参数取自BSM–Para4-3-2-1 0 1 2 3 Y02468101214 VG模型的密度图6：VG模型的恢复密度函数通过两组参数生成：VG–Para1（红线）和VG–Para2（蓝线）。与其他两种方法相比，它们只能达到4或5位数的精度。在同一项测试中，Fang和Oosterlee（2009a）表明，COS方法需要1024项才能实现2.52e的误差差-08从真正的解决方案。显然，他们的结果表明，COSmethod无法与SFP方法竞争。当S=102.336时，买入价格在跳跃时测量。我们可以看到，看涨期权价格的收敛速度变得代数化。

与其他方法相比，SFP方法精度更高，精度为6位数，只需128项。这与Driscoll和Fornberg（2011）的结论一致，即如果函数非常困难，SFPM方法可以在跳转时产生4-6位精度。在上一次测试（VG–Para2）中，我们针对0.5到2 SF范围内的250个看涨期权价格检查了收敛行为。图8及其数值表示表8-表明，当PDF平滑时，COS和SFP方法具有全局谱收敛性。然而，SFP方法在R方面的精确度最高∞此外，在测试中，我们注意到，当COS方法用于近似期权价格的小值时，它产生的数值结果不太稳定和准确。8.1.3。CGMY模型。CGMY模型由Carr et al.（2002）开发，可以看作是上述VG模型的推广。Carr等人（2002年）将CGMY模型作为一类不完全可分分布引入（也称为回火稳定性2017年12月15日，定量金融SingCfseurov13重新格式化80 90 100 110 120 Strike-3-2-1012log10jErrorjCONV80 90 100 110 120 Strike-6-4-202log10jErrorjfilter-COS80 90 100 110 120 Strike-6-4-202log10jErrorjCOS80 90 100 110 120 Strike-15-10-50Log10Jerrorjfsfpfigure 7.：货币/周围欧洲定价的CONV、filter COS、COS和SFP方法的错误信封VG模型下的y看涨期权。罢工次数从80次增加到120次。术语/网格点的数量按8（红线）、16（蓝线）、32（绿线）和64（黑线）的顺序增加。除跳跃外，SFP方法还观察到谱收敛。参数取自VG–Para1。表7：根据VG模型下pricinga vanilla看涨期权的绝对误差，比较COS、Filter COS和SFP方法。

参考值为10.993703186728190（K=90）和0.689027011772653（K=102.336）。SFP方法比其他方法更精确，所需的求和项更少。参数取自VG–Para1。K=90 COS过滤器COS SFP K=102.336 COS过滤器COS SFPN/U错误错误错误N/U错误错误错误错误错误8 5.783e-01 3.062e-02 5.256e-02 8 1.326 2.413 5.50616 5.843e-02 3.152e-01 1.241e-04 16 4.185e-01 7.921e-01 5.43532 1.405e-02 4.756e-02 2.221e-08 32 1.153e-01 2.488e-01 2.895e-0464 1.603e-03 7.951e-04 1.401e-11 64 2.976e-02 6.836e-02 2.899e-05128 4.281e-04 8.931e-05 5.755e-13 128 7.595e-031.762e-02 1.147e-06工艺；见Cont和Tankov 2004）。CGMY过程的L'evy度量由ν（CGMY）（dχ）=（C exp(-G |χ|）/|χ| Y+1dχ，χ<0，C经验(-M |χ|）/|χ| Y+1dχ，χ>0，（102），其中C>0，G>0，M>0，Y<2。参数Y捕捉流程的详细结构。对于Y<-1，我们得到了一个具有有限变化和有限活性的复合泊松过程。但是，当Y∈ [0，1），该过程具有有限的活动和变化，类似于VG过程（我们可以看到，当Y=0时，该过程相当于VG过程）∈ [1，2），该过程具有有限的活性和有限的变化。在本文中，我们重点研究了具有Y∈ （0，2）/{1}，因此其特征函数定义如下：Д（u）=expiu（r- q+ω）+CΓ(-Y）GY1+iuGY- 1.-iuYG！+CΓ(-Y）我的1.-iuMY- 1+iuYM！！。（103）此处ω=Д(-i） 。

数值测试的参数（CGMY–Para1）取自2017年11月15日方量化金融SingCfseurov13重新格式化0.5 1 1.5 2股票价格-5-4-3-2-101log10jErrorjCONV0.5 1.5 2股票价格-5-4-3-2-10log10jErrorjLewis-FRFT0.5 1 1.5 2股票价格-12-10-8-6-4-20log10jErrorjCOS0.5 1 1 1.5 2股票价格-20-15-10-50Log10Jerrorjfsfpfigure 8.：：第VG模型下欧洲货币看涨期权定价的CONV、Lewis FRFT、COS和SFP方法的误差包络在SF0.5到2之间。术语/网格点的数量按8（红线）、16（蓝线）、32（绿线）和64（黑线）的顺序增加。观察到COS和SFP方法的谱收敛性。SFP方法具有最高的精度。参数取自VG–Para2。表8：在0.5至2 SF范围内的VG模型下，比较CONV、Lewis FRFT、COS和SFP方法在错误收敛和CPU时间方面对欧洲货币看涨期权进行定价。在COS和SFP方法中都观察到了谱收敛。SFP方法具有最高的精确度。

参数取自VG–Para2。CONV Lewis FRFTN R公司∞RTime N R∞RTime8 1.384 13.31 0.00816 8 3.147e-01 3.913 0.0211116 5.933e-01 4.344 0.00941 16 1.506e-01 1.645 0.0262532 1.161e-01 6.922e-01 0.01012 32 7.126e-02 6.727e-01 0.0457164 7.092e-03 4.533e-02 0.01641 64 3.986e-02 3.245e-01 0.09151COS SFPN R∞RTime N R∞RTime8 1.477e-02 1.292e-0 0.00716 8 2.174e-03 1.476e-02 0.0092116 1.472e-03 1.131e-02 0.00841 16 5.234e-05 2.300e-04 0.0096132 2.217e-05 1.596e-04 0.01223 32 2.409e-09 7.566e-09 0.0137264 4 4 4 E-08 2.857e-07 0.01413 64 1.541e-11 2.485e-11 0.01741和Oosterlee（2009a），定义如下：CGMY-Para1:S=100，C=1，G=5，M=5，Y=0.5或1.5或1.98，（104）r=0.1，T=1，q=0。我们评估了SFP方法对香草调用的收敛速度，并将其置于CGMY模型下。Almendral和Oosterlee（2007）以及Wang et al.（2007）报告称，在以下情况下，很难使用有限差分法求解偏微分积分方程来获得期权价格：∈ [1，2）。因此，我们使用Y=0.5、Y=1.5和Y=1.98评估SFP方法，并将数值结果与COS和CONV方法进行比较。对于Y=0.5和Y=1.5的情况，我们使用N=2的COS方法计算数值实验的调用参考值。然而，对于Y=1.98的情况，我们使用u=2的SFP方法生成put参考值。我们在截断间隔（74）中使用L=10，因为所有输入PDF都是平滑的。在图9中，绘制了三种情况下的恢复密度函数。

当Y趋向于2时，PDF的尾部更胖、更重，2017年11月15日新量化金融系统的中心重新格式化了-100-50 0 50 100y00.010.020.030.04 CGMY模型的密度Y=1.98-10-5 0 5 10y00.20.40.60.811.2 CGMY模型的密度Y=0.5Y=1.5-100-80-60-40-20 0 0 0 20 40 60 80 100y00.20.40.60.811.2 CGMY模型的密度Y=0.5Y=0.50 1.5Y=1.98图9：通过参数CGMY–Para1生成的CGMY模型的恢复密度函数（顶部）及其缩放（底部）。表9：比较CONV、COS和SFP方法在K=100的CGMY模型下Vanilla看涨期权定价的绝对误差。参考值为19.812948843118576（Y=0.5）和49.790905468523860（Y=1.5）。SFP方法比其他方法更精确，所需的求和项更少。参数取自CGMY–Para1。Y=0.5 CONV COS SFP Y=1.5 CONV COS SFPN/U错误错误N/U错误错误错误8 2.320 4.443 2.984e-02 8 5.246 9.304e-01 3.020e-0216 1.079 5.283e-01 3.163e-04 16 7.763e-01 2.863e-02 2.566e-0532 8.172e-01 1.240e-02 2.608e-08 32 7.607e-01 1.240e-05 5.060e-1064 2.08E-01 9E-01 2.801e-05 7.687e-11 48 1.384 5.286e-12 8.527e-1480 85 90 95 100 105 110 115 120罢工-14-12-10-8-6-4-20log10jErrorjSFPFigure10.：当Y=1.98时，在CGMY模型下，在K从80到120的范围内，在货币认沽期权/周围对欧洲进行定价的SFP方法的误差包络线。术语的数量依次增加8（红线）、16（蓝线）、32（绿线）和64（黑线）。在SFP方法中观察到谱收敛。参数取自CGMY–Para1。分配转移。表9复制了Fang和Oosterlee（2009a）中的表7。该表将我们的方法与CONV和COS方法进行了比较，我们发现SFP方法比其他方法可以实现更好的精度。

例如，在SFP方法中，当U等于32项时，与真值的误差为2.608e-08（Y=0.5时）和5.060e-10（Y=1.5时）。结果远远优于相同项数/网格数的其他两种方法。图10是Y=1.98试验的图形结果。在测试中，我们首先在从80到120的罢工范围内生成250个不同的输出价格，并检查该范围内的输出价格的误差收敛性。在图10中，我们可以清楚地看到，SFP方法获得了全局光谱收敛和相当高的精度。2017年11月15日，量化金融SINGCFSEUROV13重新格式化8.2。A ffone流程最后，对于A ffone流程，我们使用以下参数选择Heston模型和价格调用：Heston–Para1：S=100，y=0.0175，y=0.0398，λ=1.5768，η=0.5751，ρ=-0.5711，r=0，T=1或10或30或45，q=0。（105）图11显示了恢复的密度函数。它表明，正如预期的那样，T=1会产生比T=10更尖锐的峰值密度。在这个测试中，我们比较了SFP方法和COSmethod。大多数参考值是通过N=2的COS方法生成的。然而，当在PDF中的跳转处测量期权值时，我们使用SFPM方法生成该值，因为其他方法提供的参考值不准确。我们在（74）和（76）的区间中使用L=12。我们复制了ofFang和Oosterlee（2009a）表4和表5中所示的数值试验，并将其显示在表11中。在最初的测试中，Fang和Oosterlee（2009a）（见附录B，表B1）报告称，当COS方法以100的删除线近似调用值时，其代数收敛率为T=1，谱收敛率为T=10。

他们还指出，误差收敛非常合理，例如，误差差为3.17e- 07，在T=1和1.85e的试验中，N=192- 在T=10的试验中，N=160。然而，当我们复制这些测试时，情况似乎并非如此。使用Heston–Para1和第一和第二累积量的思想来构建Heston模型的截断区间（如Fangand Oosterlee 2009a所建议的），PDF范围在[-11, 11]. 根据Fang和Oosterlee（2009a），这意味着当截断区间较大时，应使用更多的项来补偿误差收敛。尚不清楚Fang和Oosterlee（2009a）如何在不需要许多术语的情况下获得表B1中的结果，尤其是对于测试ofT=1。在不做任何更改的情况下，我们按照Fang和Oosterlee（2009a）以及Ruijter等人（2013）中报告的步骤，分别通过COS方法和Filer COS方法计算看涨期权价格，并将其误差收敛结果与SFP方法的误差收敛结果进行比较。在表10中，SFP方法在T=1的情况下提供大约8位精度，在T=10的情况下提供10位精度，只需要128个术语。与其他方法相比，这是一个巨大的改进，这些方法仅提供1-2位数的准确度，术语数量相同。此外，如果我们将我们的结果与Fang和Oosterlee（2009a）表4和表5所示结果进行比较（见附录B表B1），我们的方法会产生更好的收敛性。由于当T=1时PDF是非光滑的，我们比较了COS、filter COS和SFP方法在跳跃前后/跳跃时定价看涨期权的绝对误差。当K=50时，SFP方法具有14位精度，但其他两种方法仅获得4位精度，需要256项。当nk=105.453时，期权价格处于跳跃状态。

SFP生成的买入价可以达到4位数的精度。这与Driscoll和Fornberg（2011）的研究结果一致。最后，最后一次测试复制了Ortiz Gracia和Oosterlee（2013）中的表3。在测试中，作者比较了Haar小波方法和COS方法在定价长期看涨期权时的误差收敛性。他们选择了T=30和T=45的到期日，这可能对应于养老金或抵押贷款合同。表12列出了Ortiz Graciaand Oosterlee（2013）中表3的误差收敛结果，并将其与SFP方法得出的结果进行了比较。如表所示，SFP方法比其他方法产生更好更快的误差收敛。例如，SFP方法的绝对误差约为3.000e-06，对于T=30和45，u=64，但其他两种方法的范围为2.46e- 03至9.68e- 01在两种情况下，在相同条件下。2017年11月15日，量化金融SINGCFSEUROV13重新格式化-5-4-3-2-1 0 1 2 3 4 5y00.511.522.533.54赫斯顿模型密度t=1T=10图11：通过Heston–Para1参数生成的Heston模型的恢复密度函数。表10：在K=100的赫斯顿模型下，比较CONV、COS、FILTER COS和SFP方法对看涨期权定价的绝对误差。参考值为5.7851554534076321（T=1）和22.318945791154533（T=10）。SFP方法比其他需要较少求和项的方法更精确。

参数取自Heston–Para1。T=1 COS过滤器COS SFP T=10 CONV COS SFPN/U错误错误N/U错误错误错误8 19.77 24.44 2.568 21.65 23.17 5.55716 9.148 13.73 1.111e-01 16 15.65 18.79 4.555e-0132 3 3.096 5.843 4.725e-02 32 7.721 12.01 2.178e-0464 6.381e-01 1 1.752 1.262e-04 64 1.878 4.779 3.231e-05128 2.685e-02 2.68e-01 1.331e-08 128 7.969e-02 7.982e-01 7.529e-10表11：在T=1的赫斯顿模型下，比较COS、FILTER COS和SFP方法对看涨期权定价的绝对误差。参考值为50.070539139715081（K=50）和3.181555642433310（K=105.453）。SFP方法比其他方法更精确，所需的求和项更少。参数取自Heston–Para1。K=50 COS filter COS SFP K=105.453 COS filter COS SFPN/U Error Error Error N/U Error Error Error 8 5.031 8.546 3.514e-01 8 19.71 24.37 2.60816 8.763e-01 1.202 1.047e-02 16 9.163 13.71 12.8132 4.861e-01 1.197 6.327e-06 32 3.201 5.902 4.68164 3.715e-02 9.661e-02 1.861e-08 64 7.801e-01 1.888 3.649e-02128 6.003e-03 2.361e-02 2.467e-11 128 1.003e-01 3.941e-01 1.001e-03256 3.922e-04 2.363e-048.527e-14 256 3.722e-03 3.801e-02 1.898e-04表12：在Heston模型下，比较了COS、Haar小波和SFP方法对所有期权定价的绝对误差。参考值通过COS方法计算，使用50000项。SFP方法比其他方法更精确，所需的求和项更少。

参数取自Heston–Para1。T=30 T=45Haar COS SFP Haar COS SFP scale error N error U error U error scale error N error U error 3 2.58e+02 8 1.72e+06 8 3.783 3.92e+02 8 3.19e+07 8 2.5844 2.72e+00 16 2.75e+05 16 2.259e-01 4 1.09e+01 16 5.45e+06 16 2.953e-015 7.94e-01 32 2.19e+03 32 3.981e-04 5 5 5.99e-01 32 3.10e+04 32 9.43E 8E-046 2.46e-03 64 3.37e-01 64 1.353e-06 6 1.05e-02 64 9.68e-01 64 3.049e-06 11月15日，2017年量化金融SINGCFSEUROV13重新格式化9。结论和讨论在本文中，我们说明了如何使用SFP方法（参见Driscoll和Fornberg 2001，2011）作为欧洲型期权套期保值和定价的替代方法。我们提供了误差分析，以表明良好的截断区间可以产生该方法的最高精度，并从理论上证明了该方法生成的近似值可以趋向于真实期权价格。通过数值实验结果，我们首先表明，SFP方法能够对任何具有资金投入/退出深度和/或期限很长/很短的欧式期权进行定价。其次，与其他期权定价的数值方法相比，我们证明了SFP方法具有更快的误差收敛速度和更少的部分求和项，并且在逼近大型和小型期权价格时保持一致的精度。第三，它不需要比例或阻尼因子来调整其精度，例如，在SWIFT、CONV和FILTER COS方法中。最后，当PDF平滑时，该方法表现出全局谱收敛性。当PDF不平滑时，除了跳跃处，它实现了全局谱收敛。然而，结果表明，SFP方法在跳跃时提供了4-6位数的准确度。

这确实符合Driscoll和Fornberg（2011）的发现。虽然本文的理论分析/数值结果证明了SFP方法的有效性。进一步的工作可以通过三种方式进行。首先，非平滑PDF的截断间隔（76）的创建依赖于一个反复试验的过程。在未来，对于所有非光滑PDF，应该使用一种更理论、更精确的算法来创建截断区间。第二，SFP方法是否可以应用于欧洲展销期权的定价是一个有趣的研究问题，因为SFP在一维（一种资产）下运行良好。最后，我们的最终目标是将该方法扩展到具有早期行使和/或路径依赖特征的期权定价。致谢感谢德拉瓦大学数学科学系Toby Driscoll教授和科罗拉多大学应用数学系Bengt Fornberg教授的评论，这些评论极大地改进了手稿。2017年11月15日量化金融Singcfseurov13重组模式附录A：在表A1中，我们显示了BSM、VG、CGMY和Heston模型的第一个c、第二个c和第四个累积量。然而，正如Fang和Oosterlee（2009a）所指出的，由于c的代表性很长，我们只给出了Heston模型的前两个累积量。

给定特征函数，通常可以使用CN=in计算累积量nlogИ（z）锌z=0。表A1：各种模型的第一个c、第二个c和第四个累积量l’evy modelsbm c=（r- q+ω）t c=σt，c=0，ω=-0.5σVG c=（r- q+θ+ω）tc=（σ+Дθ）tc=3（σД+2θД+4σθД）tω=Дlog（1- θυ - σν/2）CGMY c=（r- q+ω）tc=（CΓ（2- Y）（我的-2+戈瑞-2） tc=（CΓ（4- Y）（我的-4+GY-4） tω=CΓ(-Y）GY1+克Y- 1.-YG公司+ CΓ(-Y）我的1.-MY- 1+YM一个有效的进程ESTON c=（r）- q） t+（1- e-λt）’y-y2λ- 0.5？ytc=8ληtλexp(-λt）（y- y）（8λρ- 4η)+λρη(1 - e-λt）（16年- 8y）+2’yλt(-4ρη+η+4λ）+η（（\'u- 2u）e-2λt+(R)y（6e-λt- 7） +2y）+8λ（y- 是）（1- e-λt）附录B：赫斯顿模型下调用COS方法的绝对误差收敛表B1：T=1和T=10的Heston模型下调用的COS方法的绝对误差收敛性。参考值为5.785155450。（T=1）和22.318945791。（T=10）。T=1 T=10N错误N错误64 4.92e-03 32 7.40e-0396 2.99e-04 64 5.02e-05128 1.94e-05 96 1.40e-07160 2.99e-06 128 4.92e-10192 3.17e-07 160 1.85e-10 2017年11月15日量化金融SingFseurov13 ReformatterencesAlmendral，A.和Oosterlee，C.W.，GMY流程下的欧美期权准确评估。暹罗科学杂志。计算。，2007, 29, 93–117.Andricopoulos，A.D.、Widdicks，M.、Duck，P.W.和Newton，D.P.，《使用求积法的万能期权估价》。J、 财务部。经济。，2003, 67, 447–471.Black，F.和Scholes，M.，期权定价和公司负债。J、 政治经济学。，1973, 81,637–654.Carr，P.、Geman，H.、Madan，D.B.和Yor，M.，《资产回报的精细结构：实证研究》。J、 公共汽车。，2002, 75, 305–332.Carr，P.和Madan，D.，使用快速傅立叶变换进行期权估值。J、 计算机。

《金融》，1999年，第4,61-73页。Chan，T.L.R.，一种对冲和定价欧式期权的正交级数展开法。可在线访问：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2852033，2016年。Chisholm，J.S.R.和Common，A.K.，切比雪夫和福列尔级数的Pad'e近似的推广。在P.L.Butzer和F.Feh'er编辑的E.B.Christo Offel：他在数学和物理科学方面的工作的影响，第212–2311981页（Birkhauser Basel：巴塞尔）。Chourdakis，K.，使用分数FFT的期权定价。J、 计算机。《金融》，2004年第8期，第1-18页。Cont，R.和Tankov，P.，《带跳跃过程的金融建模》，查普曼和霍尔/CRC金融数学系列，2004年（查普曼和霍尔/CRC：佛罗里达州博卡拉顿）。Driscoll，T.A.和Fornberg，B.，一种基于Pad的克服吉布斯现象的算法。数字。算法，2001，26，77–92。Driscoll，T.A.和Fornberg，B.，《各种表述和应用中的吉布斯现象》，2011年（抽样出版：纽约波茨坦）。Duffee，D.、Filipovic，D.和Schachermayer，W.，金融过程和应用。安。应用程序。概率。，2003, 13, 984–1053.Eckhoff，K.S.，关于求解复杂几何中偏微分方程的高阶数值方法。J、 Sci。计算。，1997, 12, 119–138.Fang，F.和Oosterlee，C.W.，一种基于傅里叶余弦级数展开的欧式期权定价新方法。暹罗科学杂志。计算。，2009年a月31日，826–848。Fang，F.和Oosterlee，C.W.，通过傅里叶余弦级数展开对早期行使和离散障碍期权进行定价。Numerische Mathematik，2009b，114，27–62。Fang，F.和Oosterlee，C.W.，Heston模型下百慕大和障碍期权的基于傅立叶的估值方法。暹罗J.Financ。数学2011, 2, 439–463.Geer，J.F.，使用Fourier级数部分和的有理三角近似。J、 Sci。计算。，1995, 10, 325–356.Gonnet，P.，Gttel，S。

和Trefethen，L.N.，通过SVD的稳健Pad'e近似。暹罗版次。，2013, 55,101–117.Gottlieb，D.和Shu，C.W.，关于吉布斯现象及其解决方案。暹罗版次。，1997, 39, 644–668.Itkin，A.，使用FFT的VG模型定价期权。在线提供：arXiv:physics/0503137v12005。Leentvaar，C.和Oosterlee，C.，使用并行傅立叶技术的多资产期权定价。J、 计算机。《金融》，2008年12月1日至26日。Lewis，A.，一般跳跃扩散和其他指数L'evy过程的简单期权公式。可在线访问：http://optioncity.net/pubs/ExpLevy.pdf, 2001.Lipton，A.，Vol微笑问题。风险，2002，15，61–66。Lord，R.、Fang，F.、Bervoets，F.和Oosterlee，C.W.，一种基于快速傅立叶变换（FFT）的快速准确方法，用于在列维过程下优先行使期权。暹罗科学杂志。计算。，2008, 30, 1678–1705.Lord，R.和Kahl，C.，类Heston模型中的复对数。数学《金融》，2010年，20671-694。Madan，D.B.、Carr，P.和Chang，E.C.，《方差伽马过程和期权定价》。欧元。财务主管。，1998, 2, 79–105.Madan，D.B.和Milne，F.，带有V.G.鞅分量的期权定价。数学《金融》，1991年，第1,39–55页。Madan，D.B.和Seneta，E.，股票市场回报的方差Gamma（V.G.）模型。J、 公共汽车。，1990,63, 511–524.默顿，R.C.，理性期权定价理论。贝尔J.经济学。管理。Sci。，1973, 4, 141–183.2017年11月15日，量化金融Singcfeurov13 Reformattedortiz Gracia，L.和Oosterlee，C.W.，利用小波和特征函数对欧洲期权进行稳健定价。暹罗科学杂志。计算。，2013、35、B1055–B1084。Ortiz Gracia，L.和Oosterlee，C.W.，一种用于欧洲期权定价的高效香农小波逆傅立叶技术。暹罗科学杂志。计算。，2016，38，B118–B143。皮斯托利斯，M。

和Stolte，J.，在时变模型中快速计算香草价格，并使用理性近似法隐含效用。内景J.Thero。应用程序。《金融》，2012年，第15期，第1250031页。Ruijter，M.、Versteegh，M.和Oosterlee，C.，关于频谱滤波器在傅里叶期权定价技术中的应用。可在线访问：http://ta.twi.tudelft.nl/mf/users/oosterle/oosterlee/main_v6.pdf, 2013.Schoutens，W.，《金融学中的列维过程：金融衍生品定价》，概率与数理统计中的Wiley级数，2003年（Wiley：Chichester，英国）。Small，R.D.和Charron，R.J.，基于傅立叶级数的连续和离散非线性近似。IMA J.数字。分析。，1988, 8, 281–293.von Sydow，L.、H¨o¨ok，L.J.、Larsson，E.、Lindstrom，E.、Milovanovi\'c，S.、Persson，J.、Shcherbakov，V.、Shpolyanskiy，Y.、Sir\'en，S.、Toivanen，J.、Wald\'en，J.、Wiktorsson，M.、Levesley，J.、Li，J.、Oosterlee，c.W.、Ruijter，M.J.、Toropov，A.和Zhao，Y.，BENCHOP–期权定价的基准项目。《国际计算机数学杂志》，2015年，922361-2379。Wang，I.R.、Wan，J.W.L.和Forsyth，P.A.，CGMY流程下欧洲和美国期权的稳健数值估值。J、 计算机。《金融》，2007年10月31日至70日。Zhang，B.和Oosterlee，C.W.，基于傅里叶余弦展开的指数L'evyprocess下欧式亚式期权的有效定价。暹罗J.Financ。数学2013, 4, 399–426.