跳跃式非流动市场中的期权定价

2022-6-11 10:54:38

JumpsJos\'e M.T.S.Cruzaand DanielˇSevˇcoviˇcbaISEG在非流动性市场中的期权定价，里斯本大学，Rua de Quelhas 61200-781，葡萄牙里斯本；布拉迪斯拉发大学，Mlynsk\'a dolina，84248布拉迪斯拉发，斯洛伐克共和国历史汇编，2019年1月23日摘要衍生证券定价的经典线性Black-Scholes模型是金融行业的一种流行模型。它依赖于几个限制性的假设，如市场的完备性和无摩擦性，以及几何布朗运动后潜在资产价格动态的假设。本文的主要目的是通过考虑大型交易对基础资产价格动态表现出随机跳跃的影响而产生的反馈效应，推广衍生证券定价的经典Black-Scholes模型。投资者可以在不影响基础资产价格的情况下交易大量资产的假设通常并不令人满意，尤其是在非流动性市场。我们将Frey–Stremme非线性期权定价模型推广到基础资产服从带跳跃的L'evy随机过程的情况。我们推导并分析了期权合同价格的全非线性抛物偏积分微分方程。我们提出了一种半隐式数值离散格式，并进行了各种数值实验，显示了大型交易者的影响和跳跃强度对期权价格的影响。关键词非线性偏积分微分方程；L'evy度量；有限差异近似值1。简介近几十年来，Black-Scholes模型及其推广在金融市场中得到了广泛应用，因为其简单且存在欧式期权定价的分析公式。

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

2022-6-11 10:54:41

根据Black、Scholes和Merton提出的经典理论，在时间t时，程式化金融市场中期权的价格V（t，S）∈ [0，T]和基础资产价格S可作为线性Black-Scholes抛物线方程的解进行计算：五、t（t，S）+σS五、S（t，S）+rS五、S（t，S）- rV（t，S）=0，t∈ [0，T），S>0。（1）这里σ>0是由几何布朗运动驱动的基础资产的历史波动率，r>0是零息票债券的无风险利率。解决方案取决于到期时的最终支付条件V（T，S）=Φ（S）。证据联系J.克鲁兹。电子邮件：jmcruz@iseg.ulisboa.ptto摘自：股市观察的应用数学金融表明，该模型不是最现实的模型，因为它假设市场是流动的、完整的、无摩擦的且没有交易成本。我们还记得，线性Black-Scholes方程提供了一个对应于完美复制投资组合的解决方案，该投资组合不必是理想的资产。在过去二十年中，为了对交易成本的存在（参见Kwok[10]和Vellaneda以及第[2]段）、反馈和大型贸易商选择特定股票交易策略（Sch¨onbucher和Willmott[13]、Frey和Patie[7]、Frey和Stremme[6]）导致的非流动性市场效应进行建模，对其中一些假设进行了放宽，无保护投资组合的风险（Jandaˇcka和ˇSevˇcoviˇc[8]）。在上述所有线性Black-Scholes方程（1）的推广中，恒量波动率σ被非线性函数σ（S）代替SV）取决于二阶导数期权价格本身的SV。在具有此类非线性扩散函数的广义Black-Scholes方程类中，Frey和Stremme在[8]中推导的非线性Black-Scholes模型发挥了重要作用（另见[7]、[5]）。

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

2022-6-11 10:54:44

在该模型中，资产动态考虑了由于大型交易员选择其股票交易策略而产生的反馈效应（另见[13]）。扩散系数也是非常数：△σ（SSV）=σ1.- %SSV公司-2，（2）其中σ，%>0是常数。推广原始Black-Scholes方程的另一个重要方向是，布朗运动的样本路径是连续的，但一家典型公司的实际股票价格在初始尺度上表现出随机跳跃，使得价格轨迹不连续。在经典的Black-Scholes模型中，假设基础资产价格过程遵循几何布朗运动。然而，股票收益率的经验分布显示出FATTAIL。文献中已经提出了几种用于推广该模型的备选方案。带跳跃和差异的模型至少可以部分解决线性Black-Scholes模型固有的问题，而且它们在期权市场上也有重要的控制作用。在Black-Scholes模型中，市场是完整的，这意味着每一种支付效果都可以完美复制，而在跳跃-差异模型中，没有完美的对冲，这样一来，期权就不多余了。事实证明，期权价格可以通过以下部分积分微分（PIDE）Black-Scholes方程的解V（t，S）计算得出：五、t（t，S）+σS五、S（t，S）+rS五、S（t，S）- rV（t，S）+ZRV（t，S+H（z，S））- V（t，S）- H（z，S）五、S（t，S）ν（dz）=0，（3），其中H（z，S）=S（ez- 1） ν是所谓的L'evy度量，它描述了在时间和空间上具有随机跳跃的基础资产过程。请注意，如果ν=0，则（3）将退化为经典的线性Black–Scholes方程（1）。本文的新颖之处和主要目的是考虑Black-Scholes方程的两个推广方向。

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

2022-6-11 10:54:47

投资者可以交易大量标的资产而不影响其价格的假设不再成立，尤其是在非流动性市场。因此，我们将推导、分析和执行模型的数值计算。在标的资产价格服从一个带跳跃的L'evy随机过程的假设下，我们放松了遵循弗里-斯特雷姆模型的流动市场假设。我们将证明相应的皮德诺线性方程具有以下形式：五、t+σ（1- %SSφ）S五、S+rS五、S- rV+ZRV（t，S+H（t，z，S））- V（t，S）- H（t、z、S）五、Sν（dz）=0，（4），其中函数H（t，z，S）可能取决于大型交易者策略函数φ=φ（t，S）。此函数可能取决于增量价格V的SV，如果%>0。本文的组织结构如下。在接下来的第2节中，我们回顾有关指数L'evy模型的已知事实。我们还回顾了具有有限和有限活动的重要类别的列维度量。第3节致力于推导新的期权定价模型，该模型考虑了大型交易员在跳跃式差异化过程后对基础资产的反馈影响。我们表明，期权的价格可以从一个完全非线性的部分积分微分方程（PIDE）的解计算出来（4）。我们还推导了交易策略函数φ的公式，该公式使跟踪误差的方差最小。接下来，在第4节中，我们提出了一种半隐式数值离散格式，用于求解由此产生的非线性PIDE。该方案基于有限差分近似。在第5节中，我们给出了考虑方差-伽马过程时的数值结果。我们还对模型参数ρ和ν的解进行了灵敏度数值分析。2.

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

2022-6-11 10:54:50

预备、定义和动机我们考虑一个有两种交易资产的程式化经济，一种是风险资产，通常是价格为St的股票，另一种是无风险资产，通常是价格为Bt的债券。债券市场被认为是完全有弹性的，因为与股票相比，债券的流动性更高。在这种经济中，有两种交易者：参考交易者和程序交易者。该计划tradersare也被称为投资组合保险公司，因为他们使用动态对冲策略对冲投资组合，防止股价上涨。他们要么是单一交易者，要么是共同行动的交易者。假设他们的交易影响股票价格均衡。参考交易者可以被视为许多小型代理的代表性交易者。我们假设他们是价格接受者。通常，假设D（t，Yt，St）是参考交易者需求函数，它取决于收入过程y或影响参考交易需求的其他基本状态变量。程序交易者的总需求表示为Д（t，St）=ξφ（t，St），其中ξ是程序交易者试图对冲的书面相同证券的数量，φ（t，St）是被对冲证券的每单位需求。对于隐含性，我们假设ξ对于每个程序交易者都是相同的。考虑不同证券的一般情况见【14】。假设价格为常数的股票供应量。让D（t，Y，S）=▄D（t，Y，S）▄S记录参考交易者每单位供应所需的数量。然后，与时间t的供应相关的总需求由G（t，Y，S）=D（t，Y，S）+ρφ（t，S）给出，其中ρ=ξ和ρφ（t，S）是计划交易员交易的股票总供应的比例。

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…

2022-6-11 10:54:54

为了获得市场均衡，变量Y和S应满足G（t，Y，S）=1。假设函数G对于toY和S变量是单调的，并且它是充分光滑的。然后我们可以解隐式方程G（t，Yt，St）=1，得到St=ψ（t，Yt），其中ψ是一个充分光滑的函数。根据【14】，我们假设随机过程具有以下动力学：dYt=u（t，Yt）dt+η（t，Yt）dWt。然后，通过对过程St=ψ（t，Yt）使用It^o引理，我们得到了=tψ+uyψ+ηyψdt+ηyψdWt≡ b（t，St）Stdt+v（t，St）StdWt。（5）这意味着St遵循一个几何布朗运动，其波动率函数v（t，S）=η（t，Y）Yψ（t，Y）/ψ（t，Y），其中Y=ψ-1（t，S）。根据原始Black-Scholes方程推导过程中使用的参数，我们得到了Black-Scholes偏微分方程的一个非常变函数σ=v（t，S）。在本文中，我们遵循Frey和Stremme的方法（参见[7，5]）。其想法是为基础股票价格规定一个动力学，而不是像[14]中那样，通过使用市场均衡和收益过程的动力学来推导它。通过这种方式，Frey和Stremme得出了与[14]中相同的股价动态，对应于需求函数为对数型的情况，D（Y，S）=ln（YγS），其中γ=ση，收益过程Y遵循年龄计量布朗运动，即。YD（Y，S）=γY，SD（Y，S）=-S、 dYt=uYtdt+ηYtdWt，（6）v（t，S）=η（t，Y）Yψ（t，Y）ψ（t，Y）=-ηYSγY-S+ρφS=σ1- ρSφS、假设delta套期保值策略φ（t，S）=SV（t，S）并将波动率函数v（t，S）插入（5）中，我们得到了形式为（2）的非线性扩散函数的广义Black-Scholes方程。我们的主要目标是在列维过程之后，将弗雷-斯特雷姆模型扩展到基础资产。

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

2022-6-11 10:54:57

接下来，我们回顾了L'evy跳跃扩散过程的基本性质。2.1. 指数L'evy modelsLet Xt，t≥ 0，是一个随机过程。Borel集A的测度ν（A）∈ B（R）由ν（A）=E[JX（[0，1]×A）]定义，其中JX（[0，t]×A）={s∈ [0，t]：Xs型∈ A} 是泊松随机测度。它给出了振幅属于集合A的每单位时间内跳跃的平均数。回想一下，L’evy It^o分解提供了XT的表示，可以将其解释为具有漂移ω的布朗运动和具有可变跳跃大小的独立补偿泊松过程的有限和的组合（见[4]），即dXt=ωdt+σdWt+Z | x|≥1xJX（dt，dx）+Z | x |<1xeJX（dt，dx），其中ejx（[0，t]×A）=JX（[0，t]×A）- tν（A）是JX的补偿。任何L'evy过程都是强马尔可夫过程，关联半群是卷积半群。Its微型发电机L:u 7→ L[u]是一个非局部偏积分微分算子，由（见[1]）：L[u]（x）=limh给出→0+E[u（x+Xh）]- u（x）h=σux+γux+ZRu（x+y）- u（x）- y1 | y|≤1.ux（x）ν（dy），（7），对于任何紧支撑函数u都有很好的定义∈ C（R）。让St，t≥ 0，表示过滤概率空间下的基础资产过程的随机过程(Ohm, F、 {Ft}，P）。过滤{Ft}代表截至时间t的价格历史。如果市场无套利，则存在一个等价度量Q，在此度量下，所有交易金融资产的贴现价格为Q- 鞅。这一结果被称为资产定价的基本定理（见[4]）。度量值Q也称为风险中性度量值。我们考虑了指数型evy模型，其中风险中性价格过程障碍Q由St=ert+Xt给出，其中Xt是具有特征三重态（σ，γ，ν）的Q下的L'evy过程。

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

2022-6-11 10:55:00

然后，无套利市场假设规定BST=Ste-rt=ext是一个鞅，它等价于施加在三元组上的以下条件（σ，γ，ν）：Z | y|≥1eyν（dy）<∞, γ ∈ R、 γ=-σ-Z+∞-∞ey公司- 1.- y1 | y|≤1.ν（dy）。（8）发育迟缓Q的风险中性动力学由DST=rStdt+σStdWt+ZR（ey）给出- 1） SteJX（dt，dy）。（9）指数价格过程eXt，t≥ 也是一个状态空间为（0，∞) 最小生成器：LS[V]（S）=limh→0E[V（SeXh）]- V（S）h=卢比五、S+σS五、硫（10）+锆V（Sey）- 五（S）- S（ey- 1)五、Sν（dy）（11）（见[4]）。回想一下，如果L'evy过程具有以下表示形式，则称为L'evy型随机积分：dXt=ωdt+σdWt+Z | x|≥1K（t，x）JX（dt，dx）+Z | x |<1H（t，x）~JX（dt，dx）。稍后需要的一个重要结果是It^o引理的以下变体。定理2.1。[1] 让f∈ C1,2（[0，T]×R）和H，K∈ C（[0，T]×R）。设Xt，t≥ 0，是一个L'evy随机过程。Thendf（t，Xt）=ftdt公司+fxdXt公司+fxd[Xt，Xt]+Z | x|≥1f（t，Xt+K（t，x））-f（t，Xt）JX（dt，dx）（12）+Z | x |<1f（t，Xt+H（t，x））- f（t，Xt）~JX（dt，dx）+Z | x |<1f（t，Xt+H（t，x））- f（t，Xt）- H（t，x）fx（t，Xt）ν（dx）dt。L'evy过程的一个经典例子是Merton在[12]中引入的跳跃扩散模型。它具有以下动力学：dXt=b+Z | x |<1xν（dx）！dt+Z | x|≥1xJX（dt，dx）+σdWt+Z | x |<1xJX（dt，dx）。然后，通过将It^o引理应用于St=ext，我们得到：dSt=（b+σ/2）Stdt+σStdWt+StZR（ex- 1） JX（dt，dx）。在金融应用中，指数L'evy模型有几种类型。在本文中，我们关注的是所谓的跳跃扩散模型，在该模型中，我们将对数价格表示为具有非零扩散部分（σ>0）的L'evy过程和具有（ν（R）<∞) 或有限活度（ν（R）=∞).在财务建模的背景下，Mertonin提出了一个跳跃扩散模型[12]。

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

2022-6-11 10:55:03

随机跳跃变量的平均值m和方差δ为正态分布。其L'evy密度由：ν（dx）=λδ给出√2πe-（十）-m） 2δdx。（13）另一种流行且经常使用的模型是所谓的双指数模型，Kou在[9]中介绍了该模型。在该模型中，跳跃分布具有如下形式的aL'evy度量：ν（dx）=λθλ+e-λ+xx>0+（1- θ)λ-eλ-xx<0dx，（14）其中λ是跳跃的强度，θ是具有正跳跃的概率，λ±>0对应于正跳跃和负跳跃分布的衰减水平。这意味着跳跃分布是不对称的，收益分布的尾部是半重的。在财务建模中使用的有限活动L'evy过程示例中，有方差伽马（见【11】）、正态逆高斯（NIG）（见【3】）或CGMY过程。方差伽马过程是一个有限活动ν（R）=∞ 和有限变量r | x|≤1 | x |ν（dx）<∞. 其L'evy度量由：ν（dx）=κ| x | eAx给出-B | x | dx，A=θ/σ，B=σ-2pθ+2σ/κ，（15）其中，参数σ和θ与布朗运动的波动性和漂移有关，κ是与从属变量方差有关的参数，在这种情况下是伽马过程（见[4]）。上述所有跳跃扩散模型的示例都具有属于所谓容许活动L'evy测度类别的L'evy测度。定义2.2。L'evy测度ν称为容许活动L'evy测度if0≤ν（dz）dz≤ h（z）≡ C | z|-α预计起飞时间-zz公司≥0+eD+zz<0e-uz，（16）对于任何z∈ R和形状参数α≥ 0，D±∈ R和u≥ 0、备注1。注意，附加条件srmin（z，1）ν（dz）<∞ andR | z |>1ezν（dz）<∞ 如果ν是形状参数α<3且u>0，D±的容许L'evy度量，则满足∈ R、或u=0和D-+ 1<0<D+。对于默顿模型，我们有α=0，D±=0和u=1/（2δ）>0。

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

2022-6-11 10:55:06

在Koumodel中，α=u=0，D+=λ-, D-= -λ+. 对于方差γ过程，我们有α=1，u=0，D±=A±B.3。跳跃式差异下的反馈效应基础资产价格动态让我们假设一个大型交易者使用股票持有策略α，并且是一个cadlagprocess（向右连续，向左限制）。从今以后，我们将识别StwithSt-. 我们假设St具有以下动力学：dSt=uStdt+σStdWt+ρStdαt+ZRSt（ex- 1） JX（dt，dx）。（17）可以将其视为经典跳跃扩散模型的扰动。事实上，如果一个大型交易者不交易，那么αt=0或市场流动性参数ρ设置为零，那么股价St遵循经典的跳跃扩散模型。在下文中，我们将假设以下结构假设：假设3.1。假设交易策略αt=φ（t，St）和参数ρ≥ 0满足ρL<1，其中L=supS>0 | SφS |。接下来，我们给出了在股票持有函数φ（t，S）的某些正则性假设下，满足St（17）的动力学的显式公式。提案3.2。假设持股策略αt=φ（t，St）满足假设3.1，其中φ∈ C1,2（[0，T]×R+）。如果工艺St，t≥ 0，满足隐式随机微分方程（17），则过程满足以下随机微分方程：dSt=b（t，St）Stdt+v（t，St）StdWt+ZRH（t，x，St）JX（dt，dx），（18），其中b（t，S）=1- ρSφS（t，S）u + ρφt+v（t，S）SφS, （19） v（t，S）=σ1- ρSφS（t，S），（20）H（t，x，S）=S（ex- 1） +ρS[φ（t，S+H（t，x，S））- φ（t，S）]。（21）证明。

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

2022-6-11 10:55:09

我们可以用以下方式重写St的SDE（18）：dSt=b（t，St）St+Z | x |<1H（t，x，St）ν（dx）！dt+v（t，St）StdWt+Z | x|≥1H（t，x，St）JX（dt，dx）+Z | x |<1H（t，x，St）~JX（dt，dx）。由于φ（t，S）被假定为光滑函数，那么通过将其^o公式（12）应用于过程φ（t，St），我们得到了αt=φt+v（t，St）StφSdt公司+φSdSt（22）+ZRφ（t，St+H（t，x，St））- φ（t，St）- H（t，x，St）φS（t，St）JX（dt，dx）。现在，插入微分dαtinto（17），我们得到了dst=uStdt+σStdWt+ZRSt（例如- 1） JX（dt，dx）+ρStφSdSt+ρStφt+v（t，St）StφSdt（23）+ρStZRφ（t，St+H（t，x，St））- φ（t，St）- H（t、x、St）φS（t，St）JX（dt，dx）。在（23）中重新排列术语，我们得出（1- ρStφS（t，St））dSt=（uSt+ρSt(φt+v（t，St）StφS））dt+σStdWt- ρStZRH（t，x，St）φS（t，St）JX（dt，dx）（24）+ZRSt（ex- 1） +ρSt（φ（t，St+H（t，x，St））- φ（t，St））JX（dt，dx）。比较（18）和（24）中的项，我们得到表达式（19）、（20）和函数H的隐式方程：H（t，x，S）=1- ρSφS（t，S）（S（ex- 1） +ρS（φ（t，S+H（t，x，S））- φ（t，S）））-1.- ρSφS（t，S）ρSφS（t，S）H（t，x，S）。（25）简化H的表达式，我们得出（21）的结论，如所述。方程（21）隐含地给出了函数H。如果我们将其解H在一个小参数ρ中展开，即H（t，x，S）=H（t，x，S）+ρH（t，x，S）+O（ρ）作为ρ→ 0，我们得出以下命题：命题3.3。假设ρ很小。然后，函数H（t，x，S）的一阶近似值如下：H（t，x，S）=S（ex- 1） +ρS（φ（t，性别）- φ（t，S））+O（ρ）为ρ→ 0.（26）提案3.4。假设资产价格过程St=eXt+rtful fills SDE（18），其中L’evy度量ν为r | x|≥1e2xν（dx）<∞. 用V（t，S）表示由V（t，S）=Ehe给出的衍生证券的价格-r（T-t） Φ（ST）| ST=Si=e-r（T-t） EhΦ（Ser（t-t） +文本-t） i。

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

2022-6-11 10:55:13

（27）假设pay-o fff函数Φ是一个Lipschitz连续函数，函数φ有一个有界导数。那么V（t，S）是PIDE的解决方案：五、t+v（t，S）S五、S+rS五、S- rV+ZRV（t，S+H（t，x，S））- V（t，S）- H（t、x、S）五、S（t，S）ν（dx）=0，（28），其中v（t，S）和H（t，x，S）分别由（20）和（21）给出。证据Q度量的资产价格动态由DST=rStdt+v（t，St）StdWt+ZRH（t，x，St）~JX（dt，dx）给出。（29）如果我们将它的^o引理应用于V（t，St），我们得到d（V（t，St）e-rt）=a（t）dt+dmt，其中a（t）=五、t+v（t，St）St五、S+rSt五、S- rV+ZRV（t，St+H（t，x，St））- V（t，St）- H（t，x，St）五、S（t，St）ν（dx），dMt=e-rtStv（t，St）五、SdWt+e-rtZRV（t，St+H（t，x，St））- V（t，St）~JX（dt，dx）。我们的目标是证明Mtis是鞅。因此，我们有一个≡ 0 a.s.和Vis（28）的解决方案（见[4]的第8.9条）。证明条款-rtRRV（t，St+H（t，x，St））- V（t，St）~JS（dt，dy）是一个鞅，这足以说明E“ZTe”-2rtZRV（t，St+H（t，x，St））- V（t，St）ν（dx）dt#<∞. （30）自sup0起≤t型≤TE公司提取-t型< ∞ 支付函数Φ是Lipschitz连续的，V（t，S）是Lipschitz连续的，并且一些Lipschitz常数C>0。由于函数φ（t，S）有界导数，我们得到φ（t，S+H（t，x，S））- φ（t，S）|≤ SφS|H（t，x，S）|≤ L | H（t，x，S）|（见假设3.1）。因为H（t，x，S）=S（ex-1） +ρS（φ（t，S+H（t，x，S））-φ（t，S））我们得到| H（t，x，S）|≤ S（ex-1)/(1 -ρL）。当V是Lipschitz连续且Lipschitz常数C>0时，我们得到了e“ZTe-2rtZRV（t，St+H（t，x，St））- V（t，St）ν（dx）dt公司#≤C（1- ρL）E中兴通讯-2rt | St |（ex- 1） ν（dx）dt< ∞,因为支持∈[0，T]ESt公司< ∞. 此处C=RR（ex- 1） ν（dx）<∞ 由于对测量ν的假设。还有待证明-rtStv（t，St）五、S（t，St）是一个鞅。

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

2022-6-11 10:55:16

自S起φ假设S（t，S）有界，我们得到0<v（t，S）=σ1- ρSφS（t，S）≤σ1 - ρL≡ C<∞.因此E[RTe-2rt(五、S（t，St）v（t，St）St）dt]≤ CCRTe公司-2rtE【St】dt<∞ 因为STI是一个鞅。因此，Mtis也是鞅。因此≡ 如所述，0与PIDE（28）的一种解决方案相对应。备注2。如果ρ=0，则H（t，x，S）=S（ex- 1）方程式（28）简化为：五、t+σS五、S+rS五、S-rV+ZRV（t，性别）-V（t，S）-S（ex-1)五、S（t，S）ν（dx）=0，（31），这是著名的经典PIDE。如果没有跳跃（ν=0）且交易遵循增量对冲策略，即φ（t，S）=SV（t，S），然后方程式（28）简化为Frey–Stremme期权定价模型：五、t+σ1.- %SSV公司S五、S+rS五、S- rV=0（32）（参考文献[5]）。最后，如果ρ=0且ν=0，则方程（28）简化为经典的线性Black–Scholes方程。为简单起见，我们假设利率为零，r=0。那么函数V（t，S）就是PIDE的解决方案：五、t+v（t，S）S五、S+ZRV（t，S+H（t，x，S））- V（t，S）- H（t、x、S）五、S（t，S）ν（dx）=0。

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

2022-6-11 10:55:20

（33）让我们将交易策略的跟踪误差αt=φ（t，St）定义如下：eMT：=Φ（St）- V=V（T，ST）- 五、-RTαtdSt。通过将It^o公式应用于V（t，St）并使用（33），我们得到了V（t，St）- V=V（T，ST）- V（0，S）=ZTdV（t，St）=ZT五、SdSt+ZT五、t+v（t，St）St五、Sdt+ZTZRV（t，St+H（t，x，St））- V（t，St）- H（t，x，St）五、SJX（dt，dx）=ZT五、SdSt公司-ZTZRV（t，St+H（t，x，St））- V（t，St）- H（t，x，St）五、Sν（dx）dt+ZTZRV（t，St+H（t，x，St））- V（t，St）- H（t，x，St）五、SJX（dt，dx）=ZT五、SdSt+ZTZRV（t，St+H（t，x，St））- V（t，St）- H（t，x，St）五、SJX（dt，dx）。将表达式（29）用于资产价格St的动态（r=0），跟踪误差eMT可以表示为：eMT=V（T，St）- 五、-ZTαtdSt=ZT五、S（t，St）- αtdSt+ZTZRV（t，St+H（t，x，St））- V（t，St）- H（t，x，St）五、SJX（dt，dx）=ZTv（t，St）St五、S- αtdWt（34）+ZTZRV（t，St+H（t，x，St））- V（t，St）- αtH（t，x，St）~JX（dt，dx）。备注3。对于delta对冲策略，αt=φ（t，St）=五、S（t，St）跟踪误差函数emtca可表示为：eMT=ZTZRV（t，St+H（t，x，St））- V（t，St）- H（t，x，St）五、S（t，St）~JX（dt，dx）。显然，对于ν6，增量对冲策略的跟踪误差不必为零≡ 0.接下来，我们提出了一个可用于确定最优套期保值策略的标准。提案3.5。大交易者的交易策略αt=φ（t，St），最小化方差E(MT）跟踪误差由隐式方程给出：φ（t，St）=βρ（t，St）v（t，St）St五、S（t，St）+ZR（V（t，St+H（t，x，St））- V（t，St））H（t，x，St）ν（dx）, （35）式中，βρ（t，St）=1/[v（t，St）St+RRH（t，x，St）ν（dx）]，H（t，x，S）=S（ex- 1） +ρS[φ（t，S+H（t，x，S））- φ（t，S）]。证据

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

2022-6-11 10:55:24

使用表达式（34）计算跟踪误差M和它的等距(MT）= E“ZTv（t，St）St五、S（t，St）- αtdt#+EZTZR（V（t，St+H（t，x，St））- V（t，St）- αtH（t，x，St））ν（dx）dt.上述凸二次极小化问题的极小值α满足一阶必要条件d（ET, αt）=0，即0=-2E类ZT公司v（t，St）St五、S（t，St）- αt+ZRH（t、x、St）V（t，St+H（t，x，St））- V（t，St）- αtH（t，x，St）ν（dx）ωtdt对于任何变化ωt，跟踪误差最小化策略α由（35）给出。备注4。最小化跟踪误差方差的最优交易策略不需要满足结构假设3.1。例如，如果ν=0，则跟踪误差最小值就是delta对冲策略φ=SV。在acall或看跌期权的情况下，其伽马，即。SV（t，S）随着t的增加而变得有限→ T和S=K。给定L>0级，我们可以将跟踪误差E最小化T在附加约束supS>0 | S下φS（t，S）|≤ 五十、也就是说，我们可以解决以下凸约束非线性优化问题minφETs、 t.| sSφ|≤ Linstead提出的命题3.5中的无约束极小化问题。备注5。注意，如果ν=0和ρ≥ 0，交易策略αt简化为Black-Scholes delta对冲策略，即αt=五、S（t，St）。如果ν6≡ 0且ρ=0，则最优交易策略为αt=φ（t，St），其中φ（t，St）=β（t，St）σSt五、S（t，St）+ZRSt（ex- 1）（V（t，Stex）- V（t，St））ν（dx）,式中，β（t，St）=1/[σSt+RRSt（ex- 1） ν（dx）]。我们通过以下命题总结本节，在参数ρ 1是小的。

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

2022-6-11 10:55:27

在下文中，我们推导了φρ（t，St）的一阶近似值，形式为φρ（t，St）=φ（t，St）+ρφ（t，St）+O（ρ）作为ρ→ 显然，波动率函数v（t，S）的一阶泰勒展开式的形式为：v（t，S）=σ（1- ρSSφ）=σ+2ρσSφS（t，S）+O（ρ），作为ρ→ 关于命题3.3（见（26）），我们有H（t，x，S）=H（t，x，S）+ρH（t，x，S）+O（ρ），其中H（t，x，S）=S（ex- 1），H（t，x，S）=S[φ（t，性别）- φ（t，S）]。（36）函数βρ可展开如下：βρ（t，S）=β（t，S）+ρβ（1）（t，S）+O（ρ），β（t，S）=1/[σS+SZR（ex- 1） ν（dx）]，（37）β（1）（t，S）=-（β（t，S））2σSφS（t，S）+2SZR（ex- 1） [φ（t，性别）- φ（t，S）]ν（dx）.利用函数v、βρ和H的一阶展开式，我们得到以下结果。提案3.6。对于参数ρ的较小值 1，跟踪误差方差最小化策略αt=φρ（t，St）由φρ（t，St）=φ（t，St）+ρφ（1）（t，St）+O（ρ）给出，作为ρ→ 0，（38），其中φ（1）（t，S）=β（t，S）2σS五、S（t，S）φS（t，S）+ZRV（t，性别）- V（t，S）+五、S（t，性别）H（t，x，S）H（t，x，S）ν（dx）+β（1）（t，S）σS五、S（t，S）+ZR（V（t，性别）- V（t，S））H（t，x，S）ν（dx）函数H、H、β和β（1）的定义如（36）和（37）所示。隐式-显式数值离散化方案本节的目的是提出一种用于求解非线性PIDE（28）的全时空离散化方案。离散化方法基于（28）中所有导数的有限差分近似，以及通过截断域上的梯形积分规则近似积分项。为了求解（28），我们将其转化为一个非线性抛物线方程。

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

2022-6-11 10:55:31

实际上，使用标准变换V（t，S）=e-rτu（τ，x），φ（t，S）=ψ（τ，x），其中τ=t- t、 x=ln（SK）我们得出结论，当且仅当函数u（τ，x）解以下非线性抛物方程时，V（t，S）是（28）的解：uτ=σ(1 - ρψx）ux+r-σ(1 - ρψx）哦！ux（39）+ZRu（τ，x+ξ（τ，z，x））-u（τ，x）- H（T- τ、 z，Kex）Ke-x个ux（τ，x）ν（dz），u（0，x）=h（x）≡ Φ（Kex），（τ，x）∈ [0，T]×R，（40）和h（T，z，S）=S（ez- 1） +ρS[φ（t，S+H（t，z，S））- φ（t，S）]，（41）ξ（τ，z，x）=ln（1+K-1e级-xH（T- τ、 z，Kex））。(42)4.1. 求解具有有限活性的非线性PIDE的数值格式L'evy测度我们首先考虑L'evy测度ν具有有限活性的情况，即ν（R）<∞.让我们表示λ=ZRν（dz），ω（τ，x）=ZRH（T- τ、 z，性别）Se-xν（dz）。我们有λ<∞. 注意（39）等同于uτ=σ(1 - ρψx）ux+r-σ(1 - ρψx）- ω!ux个-λu+ZRu（τ，x+ξ（τ，z，x））ν（dz）。（43）我们通过【15】中提出的半隐式有限差分方案，继续求解（43）。其想法是将右侧分为两部分：差异部分和整体部分。设uji=u（τj，xi），τj=jτ、 xi=zi=ix代表i=-N+1，···，N- 1和j=1，···，M。除ψ（τ，x）外，我们隐式地近似微分部分ux个冀≈（uj+1i+1-uj+1ix、 if（σji）- r+ωji<0，uj+1i-uj+1i-1.x、 if（σji）- r+ωji≥ 0，σji=σ1- ρDψji，ux个冀≈uj+1i+1- 2uj+1i+uj+1i-1(x），则，uτ冀≈uj+1i- 乌吉t。ψx个冀≈ψji+1- ψjix=Dψji。对于积分算子，首先我们必须将积分域截断为富余区间[Bl，Br]。我们通过选择整数klandkr来近似这个积分，使得[Bl，Br] [（Kl- 1/2)x、（吉隆坡+1/2）x] 。ThenZBrBlu（τj，xi+ξ（τj，zi，xi））ν（dz）≈KrXk=Klu（τj，xi+ξ（τj，zk，xi））νk，（44），其中νk=ν（zk+1/2）+ν（zk-1/2)x。

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

2022-6-11 10:55:33

类似地，ωji≈e-xiKKrXk=KlH（T- τj，zk，Kexi）νk和λ≈KrXk=Klνk，其中ξ（τ，z，x）如（42）所示。将u导数的有限差分近似值插入（43）中，我们得到了Uj+1i- 乌吉t=（σji）uj+1i+1- 2uj+1i+uj+1i-1(x）- λuj+1i（45）+（r-（σji）- ωji）uj+1i+1- uj+1ix+KrXk=Klu（τj，xi+ξ（τj，zk，xi））νk，前提是（σji）- r+ωji<0。类似地，我们可以导出这种情况下的微分方程（σji）- r+ωji≥ 如果我们定义系数βji±，βjia如下：βji±=-τ2(x）（σji）-τx个r-（σji）- ωji±，（46）βji=1+τλ - （βji-+ βji+，（47），其中（a）+=最大值（a，0），（a）-= 最小值（a，0）。然后解uj=（uj）的三对角线性方程组-N+1，···，ujN-1） T，j=0，···，M，如下所示：ui=h（xi），对于i=-N+1，···，N- 1，uj+1i=g（τj+1，xi），对于i=-N+1，···，-编号/2- 1，βji+uj+1i+1+βjiuj+1i+βji-uj+1i-1=uji+τKrXk=Klu（τj，xi+ξ（τj，zk，xi））νk，（48），对于i=-N/2+1，···，N/2- 1，uj+1i=g（τj+1，xi），对于i=N/2，···，N- 其中ξ（τj，zk，xi）=ln（1+K-1e级-xiH（T- τj，zk，Kexi）），g是局部化区间外点xilyng的函数。根据[15]中的命题4.3.1，建议选择g（τ，x）=h（x+rτ）=Φ（Kerτ+x）。输入（48）右侧和的术语u（τj，xi+ξ（τj，zk，xi））通过一阶泰勒级数展开近似：u（τj，xi+ξ（τj，zk，xi））≈ uji+uji+1- 乌吉xξ（τj，zk，xi）。4.2. 解具有有限活性的非线性PIDE的数值格式L'evy度量接下来，我们考虑L'evy度量具有有限活性的情况，例如方差伽马过程，其中L'evy密度在零处爆炸，且ν（R）=∞.等式（39）等效于uτ=σ(1 - ρψx）ux+r-σ(1 - ρψx）- ω!ux+ZRu（τ，x+ξ（τ，z，x））-u（τ，x）ν（dz）。（49）方程（49）与（43）不同，因为积分部分中包含了术语u（τ，x），因为λ=RRν（dz）=∞.

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