全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1036 17
2022-06-02
英文标题:
《Option pricing for Informed Traders》
---
作者:
Stoyan V. Stoyanov, Yong Shin Kim, Svetlozar T. Rachev, Frank J.
  Fabozzi
---
最新提交年份:
2017
---
英文摘要:
  In this paper we extend the theory of option pricing to take into account and explain the empirical evidence for asset prices such as non-Gaussian returns, long-range dependence, volatility clustering, non-Gaussian copula dependence, as well as theoretical issues such as asymmetric information and the presence of limited arbitrage opportunities
---
中文摘要:
在本文中,我们扩展了期权定价理论,以考虑和解释资产价格的经验证据,如非高斯回报、长期相关性、波动率聚类、非高斯copula相关性,以及信息不对称和存在有限套利机会等理论问题
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Mathematical Finance        数学金融学
分类描述:Mathematical and analytical methods of finance, including stochastic, probabilistic and functional analysis, algebraic, geometric and other methods
金融的数学和分析方法,包括随机、概率和泛函分析、代数、几何和其他方法
--

---
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
2022-6-2 16:05:39
知情交易者期权定价Stoyan V.Stoyanov Stony Brook大学电子邮件:Stoyan。stoyanov@stonybrook.eduYong Shin Kim Stony Brook大学电子邮件:aaron。kim@stonybrook.edu斯维特洛扎T.拉契夫石溪大学电子邮件:斯维特洛扎。rachev@stonybrook.eduFrank J.Fabozzi EDHEC商学院电子邮件:fabozzi321@aol.com摘要在本文中,我们扩展了期权定价理论,以考虑和解释资产价格的经验证据,如非高斯回报、长期相关性、波动率聚类、非高斯copula相关性,以及信息不对称和存在有限套利机会等理论问题关键词:资产定价理论,知情交易员、套利机会、非高斯金融市场通讯作者:Frank J.Fabozzi EDHEC商学院电子邮件:fabozzi321@aol.comI.简介第| 1页期权定价理论(T0P)是在Black和Scholes(1973)和Merton(1973)的开创性著作中发展起来的,它为金融理论提供了理解、建模、估计和应用金融资产定价过程的基础。有几部作品全面展示了TOP,如科克伦(2001)、达德利(2001)、斯基亚达斯(2009)、坎贝尔(2000)、切利克(2012)和芒克(2013)。虽然不可能忽视TOP对金融理论及其应用的巨大影响,但TOP的原始公式存在一些局限性,这些局限性来自于该理论的一些限制性前提,与资产定价过程的实证研究结果不一致。这些现象是:o现象1。(经验证据)。
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

2022-6-2 16:05:42
资产价格时间序列的长期依赖性、资产收益的波动性聚类、资产收益分布的偏斜性、资产收益分布的重尾性、资产收益向量的多元尾依赖性;o现象2。市场参与者经常处理不对称信息,o现象3。价格通常是可预测的o现象4。市场表现出有限的套利机会o现象5。市场表现出混乱的行为(通常被称为非理性)。我们的论文试图扩展TOP的边界来解决这些问题,其组织结构如下。第2节介绍了针对知情交易者的T)P。第3节介绍了存在有限套利的TAP。2、对于知情交易者来说,有大量关于信息不对称和套利机会的资产定价的文献,尤其是Kyle(1985)和Back(1992)提出的模型。这两种模型都假设市场具有连续时间风险资产和不对称信息。在凯尔模型中,有三个金融代理人:做市商、内幕交易者(知道将在预先指定的未来时间披露的回报)和不知情(吵闹)交易者。做市商必须以这样一种方式定义定价规则,即交易员之间存在均衡。Back(1993)将模型扩展到连续时间。第二类研究涉及基于theSee Rachev和Mittnik(2000)、Schoutens(2003)、Cont和Takov(2004)、Rachev et al.(2011)的扩大对信息不对称市场的研究。以及其中的参考文献。见Brunnermeier(2001)和Kelly and Ljungqvist(2008)。参见Campbell和Yogo(2005)、Boucher(2006)、Ang和Bekaert(2007)以及Caporin等人(2013)。参见Lo(1991)、Campbell等人(1997)、Andersson(1998)、Diebold(2001)。
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

2022-6-2 16:05:45
尼尔森(2010)、约翰森(2011)、卡波拉莱和吉尔·阿拉纳(2014)。这句话的最早证据出现在1993年2月《福布斯》杂志加里·希林的一篇专栏文章中(http://quoteinvestigator.com/2011/08/09/remain-solvent/).参见谢长廷(1990)、特里皮(1995)、班纳吉(2013)、约瓦诺维奇(Jovanovic)和辛库斯(Schinckus)(2013)、鲁宾斯坦(2001)、希勒(Shiller)(2003)、丹尼尔和蒂特曼(Daniel and Titman)(1999)、佩德森(2015)、哈福德和亚历山大(Harford and Alexander)(2013)、布洛克萨姆(2016)和法默(Farmer)(2014)。第2页过滤和概率度量的变化,Aase等人(2010)的研究就是一个例子。我们的工作性质不同。当交易者可以获得有关未来资产价格的额外信息时,我们推导出期权定价公式。交易者的信息是多方面的,鉴于交易者的特定交易活动,任何一般定义都会受到限制。我们推导了知情交易者的Black-Scholes公式,并基于期权定价公式2.1构建和估计了隐含信息面。在本节中,我们引入了知情交易者的概念(指定为为了扩展Cox-Ingersoll-Ross(CRR)二项式定价模型(Cox et al.,1979),使之适用于知情(或错误信息)交易员 (分别为。 可以看出,CRR模型是我们模型的一个特例,当交易者没有其他信息时(即。, 信息表明,在具有 在未知情的情况下-交易者事实上,没有办法对“信息级别”有一个独特的“理想”定义. 信息水平将取决于交易活动的性质 涉及。
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

2022-6-2 16:05:49
我们从回顾CRR二项模型开始分析:在股票价格为 下一个离散时间段的价格由下式给出          (1) 欧洲或有索赔ECC支付 (分别为。 有可能 (分别为。  交易者在欧洲经济共同体中处于空头地位。假设在了解价格方向   有可能. 因为自然概率 现在假设是固定的(无法方便地选择),我们需要CRR模型和Jarrow-Rudd模型的以下扩展。为此,Kim等人(2016)(以下简称KSRF)提出了以下引理。对应树的弱收敛性(表示为 如KSRF所示,基于Davydov和Rotar(2008)中的命题3。引理1。让股票价格在自然界中动态变化 由几何布朗运动(GBM)给出在CRR模型中 在(1.1)中确定,其估计基于 和, 在我们的方法中,我们建议 与 和 , 使用符号的时间序列 返回。这使得我们的模型在离散二项设置中更加灵活。就限制连续价格过程而言,我们的模型和CRR模型确实是一致的,见下一个引理1。在Jarrow和Rudd(1983)的模型中,风险中性概率 在我们的模型中选择 1/2   将取决于物理测量 (解决“不连续难题”,见Kim et al.(2016))。
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

2022-6-2 16:05:53
事实上  , 我们的和Jarrow-Rudd模型收敛到相同的风险中性GBM,见下一个引理(1)。第3页和风险中性世界 由给出  哪里 布朗运动开了吗 上的算术布朗运动(ABM),   和 是风险的市场价格。修理然后二叉树逼近(在某种意义上) 以给定的股票上扬概率由给出                        (4)   相应的风险中性树逼近由给出                            (5) 在哪里    是股票上涨的风险中性概率。假设在每一瞬间   做出独立的知情预测,股票将在   有可能用于正确预测。因为我们假设 是常数,我们正在处理交易者对股票方向的伯努利猜测序列。如果在 相信股票将在  , 那就是    ,  (代表“向下”,即,   ) 在  , 知情交易者进入远期多头(分别为。
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…
相关推荐
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