极值分数高斯函数及其应用

890

收藏 2022-06-09

英文标题：
《An extremal fractional Gaussian with a possible application to
option-pricing with skew and smile》
---
作者：
Alexander Jurisch
---
最新提交年份：
2019
---
英文摘要：
We derive an extremal fractional Gaussian by employing the L\\\'evy-Khintchine theorem and L\\\'evian noise. With the fractional Gaussian we then generalize the Black-Scholes-Merton option-pricing formula. We obtain an easily applicable and exponentially convergent option-pricing formula for fractional markets. We also carry out an analysis of the structure of the implied volatility in this system.
---
中文摘要：
我们利用L’evy-Khintchine定理和L’evian噪声导出了一个极值分数高斯分布。利用分数阶高斯分布，我们推广了Black-Scholes-Merton期权定价公式。对于分数市场，我们得到了一个易于应用且指数收敛的期权定价公式。我们还对该系统的隐含波动率结构进行了分析。
---
分类信息：

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
--
一级分类：Physics 物理学
二级分类：Statistical Mechanics 统计力学
分类描述：Phase transitions, thermodynamics, field theory, non-equilibrium phenomena, renormalization group and scaling, integrable models, turbulence
相变，热力学，场论，非平衡现象，重整化群和标度，可积模型，湍流
--
一级分类：Mathematics 数学
二级分类：Statistics Theory 统计理论
分类描述：Applied, computational and theoretical statistics: e.g. statistical inference, regression, time series, multivariate analysis, data analysis, Markov chain Monte Carlo, design of experiments, case studies
应用统计、计算统计和理论统计：例如统计推断、回归、时间序列、多元分析、数据分析、马尔可夫链蒙特卡罗、实验设计、案例研究
--
一级分类：Statistics 统计学
二级分类：Statistics Theory 统计理论
分类描述：stat.TH is an alias for math.ST. Asymptotics, Bayesian Inference, Decision Theory, Estimation, Foundations, Inference, Testing.
Stat.Th是Math.St的别名。渐近，贝叶斯推论，决策理论，估计，基础，推论，检验。
--

---
PDF下载：
-->

An_extremal_fractional_Gaussian_with_a_possible_application_to_option-pricing_wi.pdf
大小:(145.75 KB)

马上下载

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

何人来此

2022-6-9 22:05:13

极值分数高斯分布及其在偏斜和smileAlexander期权定价中的应用Jurischajurisch@ymail.com，慕尼黑，德国。我们利用L’evy Khintchine定理和L’eviannoise推导出一个分数阶高斯函数。利用分数阶高斯分布，我们推广了Black-Scholes-Merton期权定价公式。对于分数市场，我们得到了一个易于应用且指数收敛的期权定价公式。我们还对该系统的隐含波动率结构进行了分析。PACS编号：2.50-r、 2.50。Ey，2.70。Rr，5.40。Fb，05.40。JcI。引言自Black、Scholes[3]和Merton[15]重新发现Bachelier的衍生品定价理论以来，人们对该定价公式的推广进行了大量研究。Black-ScholesMerton公式基于这样一个假设，即市场的行为符合高斯分布。Thorpe和Kassouf[19]早在1967年就基于观测提出了一种无高斯假设的交替启发式算法。自那以后，Black-Scholes-Merton方法在期权定价或利率结构方面有了有趣的改进，我们仅引用Heston【1】和Dra gulescu【9】，后者通过路径积分计算了Heston模型的可能扩展的闭式解。Heston的模型很有趣，因为它表明，根据Cox-Ingersoll-Ross模型，当定价过程与波动过程耦合时，可以实现非高斯行为[8]。此外，众所周知，赫斯顿的模式L远优于布莱克-斯科尔斯-默顿方法，参见汤普金斯（Tompkins）[20]。

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

可人4

2022-6-9 22:05:17

注意，Cox-Ingersoll-Ross模型的分布函数是Skellam分布[21]。Mandelbrot【14】的调查已经在1963年表明，市场的行为不像高斯分布，而是显示了L’evy分布的分形特性，即L’evian在随后的所有方面。Mandelbrot在他的检查中使用了指数截断的evians。Cont.et.al.[7]的工作表明，市场行为可以通过L'evy指数n tα=1.7来描述，这与高斯行为（其中α=2）相比有一个小的转变。然而，纯L’evian的缺点是它们像幂律一样衰减，这不允许Bla-ck-Scholes-Merton公式的简单泛化，只要考虑对数返回。然而，指数截断的L’evian不容易处理，因为为了在数学上存在，必须仔细选择参数的范围，例如[18]。Aguilar等人【1】最近根据完全反对称的L’evian的性质，设计出了一个分析L’evian定价公式。该公式基于高度复杂的数学，尽管可以进行分析，但不便于实现和应用。同样在最近，Kleinert等人【12】、【13】已经制定出基于路径积分和双分数差的定价公式，即时间和空间都表现为分数。Kleineret的推广。通过使用分数阶导数的积分定义，可以轻松实现倾斜行为。想要对分数世界有更多了解的读者可以参考梅茨勒等人的详尽报告【16】。b orland等人[4]、[5]提出了一种不同的安萨茨方案。Borland等人。

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

可人4

2022-6-9 22:05:20

使用学生t分布的分形特性，即Tsallis分布。与对称L’evian一样，Tsallis的分布也有一个优势，即它仅由一个明确定义的参数q控制，市场分析的数值为q=1.5。我们的ansatz he重新追求一个不同的目标。我们不是从微分方程开始，而是从L'evy KhintchineThermore开始。这使我们有可能尽可能靠近埃维昂构造。我们使用L’evy-Khintchine定理的性质，例如Feller[10]的教科书、马尔可夫不等式和L’evian-nois来推导分数分布函数，该分布函数遵循累积量函数的极值条件。结果是分数高斯分布，取决于L'evy指数α，因此具有仅输入一个明确定义参数的优势。Nadarajah【17】也计算出了广义高斯分布。然而，我们的结果在其形式结构以及与埃维昂的密切关系上完全不同。根据我们的结果，我们用Black-Scholes-Mer-ton公式计算了期权定价曲线。我们发现，分数市场中期权的公平价格应高于理想高斯市场中的公平价格。然而，这是可以预料的，因为分布函数的数据越丰富，市场的波动就越大，因此交易者应该为这个机会付出更多。然而，一旦买入，如果基本走向正确，期权的价格演变也应该高于理想的高斯市场。高斯价格和分数价格之间的差异可以通过隐含效用的概念来理解。

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

可人4

2022-6-9 22:05:23

我们从理论上分析了如果市场价格近似表现为分数高斯微分，隐含波动率将如何表现。由于分数高斯分布的普遍性，它当然也可以应用于期权定价以外的其他问题。二、极值分数高斯的推导在本节中，我们推导出一个分布函数，该分布函数具有与L'evy分布相同的性质，但衰减指数。实现这一目标的方法类似于消除概率界。结果概率界，具有适当的归一化，但当然可以解释为分布函数。这个分布函数是外型的，因为它是变分过程的结果。首先，我们将讨论L'evy-Khintchine定理的反问题，参见例[10]。这将是推导极值概率分布的关键因素。我们假设出于某种原因我们知道分布函数P（x）。然后我们也知道了累积量函数ψ（k）。然后通过计算噪声特性给出了反问题（x） ψ（k）外。这种联系是由列维·钦钦定理建立的。作为第一步，我们写下L'evy-Khintchine定理ψ（k）=Z∞-∞dx公司ei k xx-x个- i ksin[x]x（x），并观察以下等式是否成立- kψ（k）=（k）<-> xψ（x）=（x）。（2）因此，累积量函数ψ（k）由动量空间中的泊松型方程控制。在坐标空间中，这种关系是代数关系。埃维昂案例中的噪声特性如下所示：（x） =σα| x | 2-α. （3）对于走向极值分布的下一步，我们需要一个马尔可夫不等式。马尔可夫不等式给出了随机变量X大于或小于某个值X的概率。

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

kedemingshi

2022-6-9 22:05:27

感兴趣情况下的马尔可夫质量由p（X）给出≥ x） =Pes X公司≥ es x公司≤ e-s x公司es X公司. （4）事实上，该表达式将ponds与拉普拉斯变换相关联，拉普拉斯变换建立了与characteristicfunction的连接。至少是N次可除的随机过程的特征函数如下所示：es X公司=NYn=1es Xn=NYn=1∞Xν=0sνν！hXνnic，（5）其中我们使用了众所周知的累积量展开式的连接。正如我们对上述逆问题m的处理所知，公式（2），累积量函数保留了零和一阶矩free，因此累积量函数的一般形式为nyn=1∞Xν=0sνν！hXνnic=NYn=11+s hXnic+sXnψ（sXn）. （6）寻找列维分布概率界的方法如下。我们必须从characteristicfunction开始es Xn= 1+s hXni+sXnψ（s Xn）. （7） -3-2-1 0 1 2 3x00.10.20.30.40.50.60.7PHxLFIG。1：公式（17）对指数α依赖关系的图示。分配是标准化的。bl ack图（α=2）是阿高斯图。红色图（α=2.5）表示亚高斯区域，而蓝色图（α=1.5）表示超高斯区域。我们选择σα=0.5。当我们直接使用上述结果（公式（2））时，我们发现es Xn= 1+s hXni+sh（s Xn）i。（8）边界的结构是通过重指数化引入的es Xn≤ 经验值s hXni+sh（s Xn）i, （9）因此es X公司≤ exp“s hXi+sNXn=1h（s Xn）i#。（10）现在我们可以近似指数中的最后一项，即nxn=1h（sXn）i≈ σαs2-α. （11）我们的最后一个方程对应于随机m过程的方差，并描述了闭合形式中的所有高阶矩。指数α仍然保证有一条肥胖但呈指数衰减的尾巴。把所有这些放在一起，我们就可以es X公司≤ exphs hXi+σαs4-αi.（12）当我们现在使用马尔可夫不等式公式时。

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…

可人4

2022-6-9 22:05:31

（4）并对概率界指数进行极值化，以找到s的最佳可能值，我们得到=（2 | x |/（σα（4- α))1/(3-α），（13）其中，我们将hXi设置为0。通过将概率界解释为一个外分布函数，并通过插入s，我们得到p（x；α）=N（σα，α）exp“- |x个|2 | x |σα（4- α)3.-α#exp“2 | x |σα（4- α)4.-α3-ασα#. （14）对我们的结果最好的解释是分数高斯分布。可以解析地计算归一化，N（σα，α）=3- α4 - ασα(4 - α)3.-α!3.-α4-αΓ2 α - 7α - 4.-1.（15）0.5 1 1.5 2S00.250.50.7511.251.5调用，1.5，ΑL0 0.5 1 1.5 2S00.20.40.60.811.21.4调用，1。，ΑL0 0.5 1 1.5 2S00.20.40.60.811.2 Callhs，0.5，ΑL0 0.5 1 1.5 2S00.20.40.60.81CallHS，0.1，ΑLFIG。2： Black-Scholes-Merton价格（r ed曲线）与分数高斯价格（蓝色曲线）之间的比较，t={1.5，1，05，0.1}。我们选择了α=1.7和σα=0.25。选择执行价格K作为统一价格。黑线表示成熟度曲线。如图（1）所示，极值概率分布等式（14）包括物理意义上的所有可能的输运区域。对于α=2，高斯区域是正确再现的，这是必须的。对于α<2，给出了超高斯区域，因为它应该是有意义的。此外，我们发现，分布函数公式（14）也涵盖了次高斯区域。亚高斯区域描述了一种极为局部化的传输，因此几乎不受波动的干扰。这种情况也可以解释为欧姆传输。因此，我们成功地导出了依赖于指数衰减的L'evy指数α的分布函数，该分布函数可以理解为广义分数高斯分布。

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

何人来此

2022-6-9 22:05:35

在结束本节时，我们将注意到分馏高加索福尔林α→3P（x，α）=θ[1- |x |]，（16）向阶跃函数收敛。因此，我们的结果公式（14）也可以理解为一般意义上的分布函数。与指数截断的L'evy-flight相比，我们的方法的优点是它适用于L'evy参数的任何数值。相反，指数截短的L'evy flights仅存在于其参数共维的某些特定数值，如[18]。三、期权定价欧式看涨期权的Black-Scholes-Merton公式很容易推广，只需在定价公式中插入分数高斯公式（14），其中函数G表示分布函数P，C（x，T）的格林函数- t；α） =Z∞dy（ey- 1） G（x- y、 σα（T- t）；α) . （17）时间相关性作为方差σα的乘积输入。时间T是到期时间。我们还没有成功推导出分数高斯的微分方程，但可以安全地假设时间依赖性具有与高斯情况相同的结构。这是因为我们假设时间依赖性不是分数的，而是像普通的差异一样存在的。这一假设得到了以下事实的支持：分馏高加索式（14）是系统的列维昂结构的直接结果。在图（2）中，我们将价格表示为x=ln[S]的函数。蓝色曲线表示部分价格，而红色曲线表示0.4 0.6 0.8 1 1.2 1.4 1.6S0.480.50.520.540.560.580.6∑impHS，tLFIG。3： α=1.7和σα=0.4的隐含挥发性。这些曲线是针对到期的不同时间单位计算的。黑色(t=0.5），红色(t=0.6），蓝色(t=0.7），绿色(t=0.8）和紫色(t=0.9）。微笑和歪斜清晰可见。布莱克·斯科尔斯·默顿·普莱斯。

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

何人来此

2022-6-9 22:05:38

选择α=1.7是由于Cont等人[7]的结果。对于执行价格K，我们选择了unity。很容易推断，分数价格比布莱克-斯科尔斯-默顿价格大得多。这是应该的，因为更胖的分布函数应该会产生更高的价格。对买家来说，这意味着他应该支付更多，因为更胖的尾巴可以带来更高的收益。然而，对于持有人来说，如果基础资产朝着正确的方向发展，也应该有可能获得更高的收益。对于发行人来说，与布莱克-斯科尔斯-梅顿价格相比，期权的更高价格当然是一个初始收益，然而，也存在回购价格更高的风险。因此，交易者可以期待比高斯市场更好的机会。在市场情况下，分数价格和高斯价格之间的差异通常由隐含波动率而不是L'evy指数来解释。然后，隐含波动率由方差的数值给出，该数值必须插入Bla-ck-Scholes-Merton公式中，以便近似匹配分馏价格。我们目前方法中隐含波动率行为的纯理论分析可以通过分数高斯P（x；α）模拟价格波动来进行，并计算波动率，应输入B-lack-Scholes-Merton公式。这种分析可以由theo-rem对隐函数进行。当我们要求Black-Scholes-Merton价格等于fr行动价格时，我们必须设置C（S，σimp（S，t），t，2）- C（S，σα，t，α）=0，（18），其中σimp（S，t）是作为时间t和价格S的函数的隐含波动率。现在可以通过求解dσimp（S，t）的等式（18）来计算波动率σα的一阶修正。

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

大多数88

2022-6-9 22:05:42

利用隐函数定理得到σimp（S，t）dS= C（S，σα，t，2）S- C（S，σα，t，α）S C（S，σα，t，2）σα-1.（19）一阶隐含波动率可用σimp（S，t）近似≈ σα+dσimp（S，t）。（20）从图（3）可以推断，隐含波动率表现出微笑和扭曲行为。紫色和绿色的曲线显示了典型的微笑，然而，最小值并不在金钱S=1时，而是在某种程度上金钱不足。这是现实的，因为一个已经移到货币下方不久的期权肯定会有进入货币的预期，因此在这种情况下，它可能会付出等待的代价。等待意味着交易量下降，这解释了波动性下降的原因。在货币方面，由于交易者可能会为了套现而卖出，或者因为他们有积极的预期而买入更多，因此交易再次变得更加激烈，流动性也随之增加。随着到期日的临近，货币的流动性增加，而在货币点的流动性转变为鞍点。高流动性缺钱是现实的，因为即使接近到期，缺钱期权也可以在货币中到期。货币体系中波动的下降是可以理解的，因为所有交易员都会自然持有期权，等待期权到期。这将导致市场放缓。我们把我们所描述的行为称为滚过。对于不同的挥发度σα，这种影响发生得更早或更晚。对于较小的σα，翻滚发生的时间较早，而对于较高的σα，翻滚发生的时间较晚。更晚意味着更接近成熟。这似乎也是现实的，因为在一个高流动性的市场中，即使接近成熟期，情况仍然不明朗，而在低流动性的市场中，情况似乎很清楚，即使是从成熟期开始。

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

能者818

2022-6-9 22:05:45

然而，市场的行为随时都可能发生变化，因为波动率σα和L'evy指数α都具有时间依赖性。然后，这会导致从一条波动率曲线过渡到另一条波动率曲线。交叉交易显然是一种额外的风险，这肯定会极大地改变交易者的观点，并导致不同的行为。这种影响当然是自组织的，因为σα和α的变化改变了隐含的易失性，从而改变了交易对手的观点，进而导致对σα和α的反作用，依此类推。因此，真实的市场行为很容易获得对每种模型都非常苛刻的复杂性。我们再次提醒读者，我们对隐含波动率的模拟纯粹是理论上的。然而，在Borland等人【4，5】的分析中，基于完全不同的方法，也发现了微笑和歪斜的相似行为。四、结论利用L'evy-Khintchine定理和马尔可夫不等式的性质，我们导出了依赖于L'evy指数α的极值分数高斯分布。分数高斯模拟了L’evianisofar的行为，当α<2时，形状变得更胖，因此显示出超高斯行为。由于分数高斯指数衰减，L’evian的倒退，即幂律衰减阻止了Black-Scholes-Merton公式的收敛，但被消除了。这使得Black-Scholes-Merton公式能够很容易地实现。导言中提到的其他答案需要更复杂的数学才能在这一点上实现收敛。我们的方法表明，分数市场中的期权价格应该高于高斯市场中的期权价格，因为更胖的分布函数能够为买方带来更高的收益。这应反映在价格中。

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

nandehutu2022

2022-6-9 22:05:48

分数市场和高斯市场之间的价格差异可以用隐含波动率来解释。如果市场价格可以近似地用分形高斯描述，我们对隐含波动率的行为进行了理论分析。然而，在现实世界的市场环境中，隐含波动率的行为肯定会有所不同。这是因为在实际市场中，潜在波动率或潜在波动率σα很可能不是一个随时间变化的常数，因此隐含波动率的不同曲线之间可能会发生交叉。我们还应提到，局部L'evy指数α可能显示弱时间衰减，这也会改变隐含波动率的行为。由于分数高斯分布的普遍性，它当然也可以应用于统计分析的其他问题。[1] Aguilar J-P.，Korbel C.C.：《非高斯分析期权定价：列维稳定模型的闭合公式》，arXiv:1609.00987v5【q-fin.PR】，（2017年）。[2] 学士路易：《科学年鉴》（Annales Scientifique de l\'E.N.S.），特洛伊群岛（troisi\'eme S\'erie），第17卷（1900），第21-86页。[3] Black Fischer，Scholes Myron：《期权定价和公司负债》，政治经济学杂志81，3，（1971年）。[4] Borland L.：基于非高斯股票价格模型的期权定价公式，Phys。修订版。Lett 89，N9，098701，（2002年）。[5] Borland L.，Bouchaud J.P.：《带偏斜的非高斯期权定价模型》，arXiv：cond mat/0403022，（2004）。[6] Brigo D.，Mercurio F.：《利率模型-理论与实践》，柏林海德堡斯普林格出版社（2006年）。[7] Cont R.、Potters M.和Bouchaud J-P.：《金融数据中的标度：稳定定律及其以外、标度不变性及其以外》，Springer Verlag，（1997）。[8] 考克斯J.C.、英格索尔J.E.、罗斯S。

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

kedemingshi

2022-6-9 22:05:51

A、：利率期限结构理论，计量经济学53，385 ff。，(1985).[9] Dragulescu Adrian：《物理学在经济和金融中的应用：货币、收入、财富和股市》，arXiv:cond mat/0307341v2，（2003）。[10] Feller W.《概率论及其应用导论》第2卷，威利，纽约（1966）。[11] Heston Steven L.：《随机波动期权的封闭式解及其在债券和货币期权中的应用》，《金融研究评论》6（2），327 ff。，(1993).[12] Kleinert H.：路径积分非高斯函数的期权定价。《自然鞅与截断的L'evy分布的应用》，Physica A 312，1-22017，（2002）。[13] Kleinert H.，Korbel J.，《基于双分数差的Black-Scholes之外的期权定价》，Physica A 449200，（2016）。[14] Mandelbrot B.B.：《某些投机价格的变化》，《商业杂志》第36394页，（1963年）。[15] 默顿R.C.：《理性期权定价理论》，贝尔经济与管理科学杂志，第4141页。，(1973).[16] Metzler R.，Klafter J.：《异常扩散的随机游动：分数动力学方法》，物理报告339，1，（2000）。[17] Nadarajah Saralees：《广义正态分布》，应用统计学杂志。32, 7, 685 ff., (2005).[18] Paul W.，Baschnagel J.：《随机过程——从物理学到金融》，Springer Verlag，（1999）。[19] Thorp E.O.，Kassouf S.T.：击败市场。纽约：Rand om House（1967年）。[20] 汤普金s R.G.：《股指期货市场：随机波动率模型和微笑》，《期货市场杂志》21，43（2001）。[21]在更基本的社会数学介绍中，例如[6]，Cox-Ingersoll-Ross模型的分布函数表示为一系列Γ-和χ-分布。

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

栏目导航

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群