全部版块 我的主页
› 论坛 › 经济学人 二区 › 外文文献专区
随机Heston模型的小时间中度偏差
可人4
637 12
2022-06-10
英文标题：
《Small-time moderate deviations for the randomised Heston model》
---
作者：
Antoine Jacquier and Fangwei Shi
---
最新提交年份：
2018
---
英文摘要：
  We extend previous large deviations results for the randomised Heston model to the case of moderate deviations. The proofs involve the G\\\"artner-Ellis theorem and sharp large deviations tools.
---
中文摘要：
我们将之前随机赫斯顿模型的大偏差结果扩展到中等偏差的情况。证明涉及到G“artner-Ellis定理和尖锐的大偏差工具。
---
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
--

---
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
mingdashike22
2022-6-10 09:58:54
随机赫斯顿模型的小时间中度偏差。我们将之前随机赫斯顿模型的大偏差结果扩展到中等偏差的情况。pro ofs涉及G¨artner-Ellis定理和尖锐的大偏差工具。1、引言众所周知，经典随机波动率模型提供了期权价格数据（或所谓的隐含波动率面）的总体良好拟合，但短期到期除外；在这一特定区域，在复杂套期保值的情况下，历史上增加跳跃提供了一个很好的匹配，而最近的粗糙波动模型[2、5、1、1、15、17、18、22]已经显示出在保持样本路径的连续性的同时进行了外射。基于这些因素以某种方式捕获了过程开始时间周围的某种不确定性的直觉，【23，2，6】中提出了赫斯顿模型的随机版本【21】，其中方差过程的开始点被视为红色随机。作者在那里表明，这种额外的随机性来源在很短的时间内产生了隐含波动率的预期行为。从数学上证明，这表明基础股价过程满足一些大偏差原则，具有特定的收敛性。中等偏差虽然在形式上相当于大偏差，但通常提供更有效的方法（从数值角度）来计算极限概率。如【3、8、9、25】所示，它们已成为越来越有用的概率和统计物理工具。
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

大多数88
2022-6-10 09:58:57
他们最近还研究了数学金融，以提供不同但更有用的渐近观点，这方面的重要结果可在[4、14、24]中研究。在随机Heston模型的小时间行为背景下，本研究建立了[23]的大偏差结果，并证明了其中等偏差对应物；与大偏差相反，中等偏差率函数以闭合形式提供，因此允许更高效、更快的计算。顺便说一下，我们提供了（定理3.2和3.6）不寻常的中等偏差率函数的例子，它不具有二次型。我们在附录中收集了一些技术成果和背景。符号R+：=[0，∞), R*+:= (0, ∞), 和R*:= R \\{0}。对于两个函数f和g，我们写f~ 气体x趋于xif limx→xf（x）/g（x）=1。最后，对于序列（Yt）t≥0满足大偏差原则，t趋向于零，带有特殊的g（t）和良好的速率函数∧，我们使用符号Y~ LDP（g（t），λ）。日期：2018年8月13日。2010年数学学科分类。60F10、91G20、91B70。关键词和短语。随机波动性，中等偏差，赫斯顿，隐含波动性，渐近展开。2安托万·贾奎尔，方伟·施2。给定过滤概率空间上的模型描述(Ohm, F、 （Ft）t≥0，P）支持两个独立的布朗运动W（1）和W（2），我们考虑了对数股价过程（Xt）t的下列动力学≥0：（2.1）dXt=-Vtdt+pVtρdW（1）t+p1- ρdW（2）t, X=0，dVt=κ（θ- Vt）dt+ξpVtdW（1）t，V=V，其中κ、θ、ξ>0和ρ∈ [-1, 1]. 这对应于经典赫斯顿模型的随机版本【21】，正如最近在【23，26】中提出和分析的那样。我们假设V是过滤（Ft）t的连续随机变量≥0，其支架内部显示为（v-, v+） R*+.
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

kedemingshi
2022-6-10 09:59:00
进一步假设其矩母函数MV（u）：=E（euV）在包含原点的开放区间上定义良好，并表示m：=sup{u:E（euV）<∞}. 我们将区分随机化V的三种不同行为：有界支持（V+<∞), 细尾（m=∞, v+=∞), 和肥尾（m<∞, v+=∞). 在【23】之后，Weintroducing以下假设描述了细尾和厚尾情况：假设2.1（细尾）。v+=∞ V允许光滑密度f，对数f（V）~ -lvlas v趋向于完整，对于某些（l，l）∈ R*+× (1, ∞).假设2.2（厚尾）。存在（γ，γ，ω）∈ R*×R×{1，2}，使得V as u的累积量母函数（cgf）从下面趋于m的渐近性如下：（2.2）log MV（u）=γ测井（m- u） +γ+o（1），对于ω=1，γ<0，γm- u（1+γ（m- u） 对数（m- u） +O（m- u） ，对于ω=2，γ>0和（2.3）M′V（u）MV（u）=|γ| m- u（1+o（1）），对于ω=1，γ<0，γ（m- u） （1）- γ（m- u） +o（m- u） ，对于ω=2，γ>0，常见的连续分布符合此框架，尤其是均匀分布（有界支持）、折叠高斯分布、γ分布（ω=1的假设2.2）和非中心卡方分布（ω=2的假设2.2）。在陈述本文的主要结果之前，让我们回顾一下关于Xt累积量生成函数的一些信息，这对于后面的分析是必不可少的。
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

mingdashike22
2022-6-10 09:59:03
如文献[1]所证明，标准赫斯顿模型中X的力矩g生成函数（其中V是V>0时的狄拉克质量）允许闭合形式表示M（t，u）=exp（C（t，u）+D（t，u）V，对于任何u∈ DtM R、 式中（2.4）C（t，u）：=κθξ(κ - ρξu- d（u））t- 2个日志1.- g（u）e-d（u）t1- g（u）,D（t，u）：=κ- ρξu- d（u）ξ1- 经验值(-d（u）t）1- g（u）膨胀(-d（u）t），d（u）：=(κ - ρξu）+ξu（1- u）1/2和g（u）：=κ- ρξu- d（u）κ- ρξu+d（u）。随机赫斯顿模型3的小时间中度偏差进一步引入实数u-≤ 0和u+≥ 1和函数∧：（u-, u+）→ R： （2.5）u-:=ξρarctanρρ{ρ<0}-πξ{ρ=0}+ξρ阿尔茨坦ρρ- π{ρ>0}，u+：=ξρ阿尔茨坦ρρ+ π{ρ<0}+πξ{ρ=0}+ξρarctanρρ{ρ>0}，∧（u）：=uξ（ρcot（ξρu/2）- ρ).Xtthen（重标度）累积量生成函数的逐点极限读取[12]limt↓0t日志Mt、 ut公司= ∧（u）v，对于任何u∈ （u）-, u+，函数∧定义良好，s光滑，在（u）上严格凸-, u+，以及其他地方。3、中等偏差中等偏差通常会出现重新标度的大偏差；在我们的实验中，它们采用以下形式：对于α6=0，通过X（α）t确定过程X（α）路径：=t-αXt。序列（Xt）t的中度偏差≥0as tEnds为零相当于（X（α）t）t的大偏差≥在我们的框架中，可以使用G¨artner-Ellis定理从有限维工具中导出。对随机变量行为的假设产生了不同的速率函数和中等偏差系统的速度，我们在下面依次分析。3.1. 有界支撑的分布。我们首先从V的随机初始分布有界支撑的情况开始，在这种情况下，以下情况成立：定理3.1。如果v+是有限的，则对于任何γ∈ （0，1），X（α）~ 自民党tγ，x2v+保持α：=（1）- γ).因为v+是有限的，所以m是有限的。
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

大多数88
2022-6-10 09:59:06
中等偏差的一个显著特征是，与经典的大规模偏差相反，速率函数通常可以通过分析获得，并且通常是二次型的【14、19、20】。证据Letα，γ∈ (0, 1). 注意，（3.1）M（t，u）：=EeuXt公司= EEeuXt | V= EeC（t，u）+D（t，u）V= eC（t，u）MV（D（t，u）），其中函数C和D是（2.4）中标准赫斯顿模型力矩生成函数的组成部分。当t＞0时，X（α）的重组肿瘤基因评级函数为∧（α）γt、 utγ:= tγlog E“expuX（α）ttγ！#=tγlog E经验值uXttγ+α= tγCt、 utγ+α+ tγ对数MVDt、 utγ+α,适用于所有u∈ 使左侧存在。引理A.1意味着（γ+α）必须小于1才能获得非n平凡行为。让我们首先证明以下说法：对于v+<∞, 利木↑∞u-1对数MV（u）=v+。如果fv表示V的累积分布函数，则mv（u）=EeuV公司≤ exp（uv+）Z[v-,v+]FV（dv）=exp（uv+）。对于任何小ε>0，fixδ∈ （0，εv+/2），以便记录MV（u）uv+≥uv+logZv+v+-δeuvFV（dv）！≥uv+日志欧盟（v）+-δ） P（V≥ 五+- δ)= 1.-δv++对数P（v≥ 五+- δ） uv+，4 ANTOINE JACQUIER，FANGWEI SHIsince v+是支持的上限，因此P（v≥ 五+- δ） 是非常有说服力的，声明如下。根据这一主张，当t趋于零时，我们推导出∧（α）γ的渐近行为t、 utγ=O（tγ）+v+∧（u）tγ-1，如果γ+α=1，对于所有u∈ （u）-, u+，o（tγ）+v+ut1-γ-2α，如果γ+α<1，对于所有u∈ R、 由于α6=0，当且仅当1时才得到非退化结果- γ - 2α=0，即α=1-γ、 证明遵循G¨artner-Ellis定理[10，定理2.3.6]。3.2. 细尾分布。
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

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群