全部版块 我的主页
论坛 经济学人 二区 外文文献专区
877 23
2022-06-06
英文标题:
《On the binomial approximation of the American put》
---
作者:
Damien Lamberton (LAMA, MATHRISK)
---
最新提交年份:
2018
---
英文摘要:
  We consider the binomial approximation of the American put price in the Black-Scholes model (with continuous dividend yield). Our main result is that the error of approximation is $O((ln n) $\\alpha$ /n)$ where n is the number of time periods and the exponent $\\alpha$ is a positive number, the value of which may differ according to the respective levels of the interest rate and the dividend yield.
---
中文摘要:
我们考虑Black-Scholes模型(具有连续股息收益率)中美式看跌期权价格的二项式近似。我们的主要结果是,近似误差为$O((ln n)$\\ alpha$/n)$,其中n是时段数,指数$\\ alpha$是一个正数,其值可能根据利率和股息率的不同水平而不同。
---
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
--
一级分类:Mathematics        数学
二级分类:Probability        概率
分类描述:Theory and applications of probability and stochastic processes: e.g. central limit theorems, large deviations, stochastic differential equations, models from statistical mechanics, queuing theory
概率论与随机过程的理论与应用:例如中心极限定理,大偏差,随机微分方程,统计力学模型,排队论
--
一级分类:Quantitative Finance        数量金融学
二级分类:Pricing of Securities        证券定价
分类描述:Valuation and hedging of financial securities, their derivatives, and structured products
金融证券及其衍生产品和结构化产品的估值和套期保值
--

---
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
2022-6-6 21:36:17
关于美国putDamien Lamberton的二项式近似*此版本:2018年11月摘要我们考虑BlackScholes模型中美式看跌期权价格的二项近似值(具有连续的股息收益率)。我们的主要结果是,近似误差为O((ln n)α/n),其中n是时段数,指数α是正数,其值可能会根据利率和股息率的不同水平而不同。1二项式近似考虑Black-Scholes模型,其中t时刻的股票价格由t=Se(r)给出-d-σ) t+σBt,其中,在风险中性概率度量下,(Bt)t≥0是标准布朗运动。这里,r是瞬时利率,d是股息率(或外汇期权的外国利率)。我们假设r>0和d≥ 用P表示到期日为T且履约价格为k的美式看跌期权的价格函数,因此P(T,x)=supτ∈T0,T-特克斯e-rτf(Sτ), 0≤ t型≤ T、 x个∈ [0, +∞),f(x)=(K- x) +,Ex=E(·| S=x)。这里,T0,tD表示关于布朗过滤的所有停止时间集,其值在区间[0,t]内。出于技术原因(尤其是为了推导价格函数二次导数的正则性估计),使用对数股价更为方便。因此,我们引入xxt=x+ut+σBt,其中u=r- d-σ、 andU(T,x)=supτ∈T0,TEe-rτ~n(Xxτ),*巴黎理工大学,分析与数学实验室(UMR 8050),UPEM,UPEC,CNRS,Projet Mathrisk INRIA,F-77454,Marne la Vall\'ee,France-damien。lamberton@u-pem。frwithД(x)=(K- ex)+。
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

2022-6-6 21:36:22
我们得到p(t,x)=U(t- t、 ln(x)),t>0,x>0。注意,U(t,x)满足以下抛物线变分不等式max“-Ut+(A-r) U,^1- U#=0,初始条件U(0,)=φ.这里,A是X的最小生成元,名称为A=σx+ux、 回想一下,对于每个T>0,都有一个实数▄b(T)≤ ln(K)使得u(T,x)>Д(x)<=> x>~b(T)。事实上,如果(b(t),0≤ t型≤ T)是到期日为T的美式看跌期权的行权边界,我们有▄b(T)=ln(b(T- t) )。我们还需要欧洲价值函数,由“U(T,x)=E”定义e-rT^1(XxT).请注意,U(0,)=^1和-\'\'Ut+(A- r) \'U=0。请注意,在第3节中,功能“U”将用U^1表示。现在我们介绍布朗运动的随机游走近似。更精确地说,假设(Xn)n≥1是一个i.i.d.实数随机变量序列,满足EXn=1和EXn=0,并确定对于任何正整数n,过程B(n)by B(n)t=qT/n[nt/t]Xk=1Xk,0≤ t型≤ T、 其中,[nt/T]表示nt/T中的最大整数。我们将假设以下关于Xn的共同分布(参见[6]的假设(H4))。在二项式情况下,X的值{-1, +1}.(H4)随机变量Xis有界且满足EX=1和EX=EX=0。在下文中,我们确定砂集P=P(0,S)=U(T,ln S)。注意,如果我们引入符号g(x)=(K- Seσx)+,我们有p=supτ∈T0,TEe-rτg(uτ+Bτ),u=u/σ。现在我们有了P的自然近似值,由P(n)=supτ给出∈T(n)0,TEe-rτg(uτ+B(n)τ),式中,T(n)0,T表示所有停车时间的集合(关于b(n)的自然过滤),其值为[0,T]∩ {0,T/n,2T/n,…(n)- 1) 电话号码,T}。我们的主要结果如下。定理1.1。
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

2022-6-6 21:36:24
存在一个正常数C,对于所有正整数n,-C(ln n)(R)αn≤ P(n)- P≤ C(ln n)αn,其中,如果d>r,α=α=1,如果d,α=3/2,α=5/4≤ r、 上述估计改进了我们之前的结果(见[6],定理5.6),该结果给出了形式C的上限√ln nn4/5. 请注意,对于欧式期权,误差估计为O(1/n)(参见[2],[11])。我们还提到了[8]一个明确的差异方案的结果,该方案给出了大鼠的EO(1/√n) ,但他们的估计在时间间隔内是一致的,而我们专注于固定时间的误差估计。本文[8]也有关于行权边界近似的结果。我们还参考了[9]及其参考文献,以查看最近关于美式期权价格近似的结果。我们的方法与[6]中的方法相同:我们将误差r估计与值函数的正则性联系起来。根据弗里德曼和金德莱勒的精神,二阶时间导数的二次估计值得到了改进(见[3]和[5])。我们还利用了练习边界的光滑性及其渐近性质。定理1.1中的常数C与Berry-Esseen估计和值函数的正则性有关。尽管很难跟踪t正则性估计中的常数,但值得一提的是,只要(u,σ)保持在r×(0,∞). 这一观察的结果是,定理1.1中的边界也适用于近似的变体,其中近似ln(St/S)的过程(而不是ut+σB(n)t)由unt+σnB(n)tat离散时间t给出,其中un=u+o(1/n)和σn=σ+o(1/n),这是经典风险中性近似中出现的。
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

2022-6-6 21:36:27
事实上,标准参数表明,值函数相对于σ(远离0)和u是局部L ipschitz连续的。本文的组织结构如下。在下一节中,我们将回顾[6]的一些结果。第3节专门讨论值函数导数的估计。然后在第4节和第5节中使用估计值来证明定理1.1:在第4节中,我们给出了P(n)的上界- 在第5节中,我们推导了下界。承认:与Martijn Pistorius就美式期权的近似进行了富有成效的讨论,这激发了本文的研究,作者非常感谢Martijn Pistorius。2价值函数和近似过程如【6】中所述,我们引入了修正的价值函数u(t,x)=e-rtU(T- t、 ln(S)+ut+σx),t≥ 0,x∈ R、 我们有P=u(0,0)和u(T,x)=e-rTU(0,ln(S)+uT+σx)=e-rT(K- SeuT+σx)+和,对于T∈ [0,T],u(T,x)≥ e-rt(K- Seut+σx)+=e-rtg(ut+x)。(1) 我们需要u的欧洲类似物,即“u(t,x)=e-rt'U(T- t、 ln(S)+ut+σx)=e-rTE(g(uT+x+BT-t) ),t≥ 0,x∈ R、 我们还将使用符号:h=Tn。使用此符号,我们有b(n)t=√h[吨/小时]Xk=1Xk,0≤ t型≤ T、 我们有,尽管如此∈ {0,h,2h,…(n- 1) h,nh=T}(参见。
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

2022-6-6 21:36:32
[6]中的命题3.1,u(t,B(n)t)=u(0,0)+Mt+t/hXj=1Du((j- 1) h,B(n)(j)-1) h),其中(Mt)0≤t型≤这是一个鞅(关于B(n)的自然过滤),使得m=0,du(t,x)=Eut+h,x+√hX公司- u(t,x),0≤ t型≤ T- h、 x个∈ R、 上述u(t,B(n)t)的分解(实际上是Doob的分解)可以看作是It^o公式的离散版本,对于光滑函数v:[0,t]×R→ R、 意味着v(t,Bt)-Rtδv(s,Bs)ds是(局部)鞅,其中δv=vt型+vx、 如果v是光滑的,并且Dv(t,x)=E,那么也很容易检查t hatvt+h,x+√hX公司-v(t,x),我们有(1/h)×Dv(t,x)=δv(t,x)+O(h)。我们必须解决的主要技术难题是mod fied value function u的平滑度问题。备注2.1。u的导数通过以下公式与u的导数相关。我们有ut(t,x)=e-rt公司-Ut+uUx个- rU!(T- t、 ln(S)+ut+σx)和ut(t,x)=e-rt公司Ut型- 2uUt型x+uUx+2rUt型- 2ruUx+rU!(T- t、 ln(S)+ut+σx)。我们还有δu(t,x)=ut(t,x)+ux(t,x)=e-rt公司-Ut+(A- r) U!(T- t、 ln(S)+ut+σx)=e-rt(A-r) ν(ln(S)+ut+σx)1{ln(S)+ut+σx≤b(T-t) },其中最后一个等式来自规则结果(例如,请参见[4])。我们需要对运算符D进行更精确的描述,由以下命题给出(见[6]的命题3.4)。为方便起见,我们用X表示一个随机变量,其分布与X相同,与序列(Xn)n无关≥1、提案2.1。假设(H4)i满足,v是Con[0,T]×R类的函数≤ t型≤ T-h和x∈ R、 定义Dv(t,x)=2Z√hdξZξdzE“Xξ - X(ξ- z)vt型x(t+ξ,x+zX)#。我们有Dv(t,x)=~Dv(t,x)+2Z√hdξZξdzEXδv(t+ξ,X+zX),带符号δv=vt型+vx、 和▄Dv(t,x)=2Z√hdξZξdz(ξ- z) E“Xξ- X(ξ- z) 哦!vt型x(t+ξ,x+zX)#。备注2.2。
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