全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1094 19
2022-06-14
英文标题:
《Gaussian Process Regression for Pricing Variable Annuities with
  Stochastic Volatility and Interest Rate》
---
作者:
Ludovic Gouden\\`ege and Andrea Molent and Antonino Zanette
---
最新提交年份:
2019
---
英文摘要:
  In this paper we investigate price and Greeks computation of a Guaranteed Minimum Withdrawal Benefit (GMWB) Variable Annuity (VA) when both stochastic volatility and stochastic interest rate are considered together in the Heston Hull-White model. We consider a numerical method the solves the dynamic control problem due to the computing of the optimal withdrawal. Moreover, in order to speed up the computation, we employ Gaussian Process Regression (GPR). Starting from observed prices previously computed for some known combinations of model parameters, it is possible to approximate the whole price function on a defined domain. The regression algorithm consists of algorithm training and evaluation. The first step is the most time demanding, but it needs to be performed only once, while the latter is very fast and it requires to be performed only when predicting the target function. The developed method, as well as for the calculation of prices and Greeks, can also be employed to compute the no-arbitrage fee, which is a common practice in the Variable Annuities sector. Numerical experiments show that the accuracy of the values estimated by GPR is high with very low computational cost. Finally, we stress out that the analysis is carried out for a GMWB annuity but it could be generalized to other insurance products.
---
中文摘要:
在本文中,我们研究了在赫斯顿-赫尔-怀特模型中同时考虑随机波动率和随机利率时,保证最小提取收益(GMWB)可变年金(VA)的价格和计算。我们考虑一种数值方法来解决动态控制问题,这是由于计算了最优取款。此外,为了加快计算速度,我们采用了高斯过程回归(GPR)。从之前为一些已知模型参数组合计算的观测价格开始,可以在定义的域上近似整个价格函数。回归算法包括算法训练和评估。第一步最耗时,但只需执行一次,而后一步速度非常快,只需在预测目标函数时执行。所开发的方法,以及用于计算价格和希腊货币的方法,也可用于计算无套利费用,这是可变年金行业的常见做法。数值实验表明,探地雷达估计值精度高,计算量小。最后,我们强调,该分析是针对GMWB年金进行的,但也可以推广到其他保险产品。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Computational Finance        计算金融学
分类描述:Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法,包括蒙特卡罗,偏微分方程,格子和其他数值方法,并应用于金融建模
--

---
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
2022-6-14 05:50:07
具有随机波动率和利率的可变年金定价的高斯过程回归*Andrea Molent+Antonino ZanetteAbstract在本文中,我们研究了在赫斯顿-赫尔-怀特模型中同时考虑随机波动率和随机利率时,保证最低提取收益(GMWB)可变年金(VA)的价格和希腊计算。我们考虑一种数值方法来解决动态控制问题,这是由于计算了最优退出。此外,为了加快计算速度,我们采用了高斯过程回归(GPR)。从之前为一些已知模型参数组合计算的观察价格开始,可以在定义域上近似整个价格函数。回归算法包括算法训练和评估。第一步最耗时,但只需执行一次,而后一步非常快,只需在预测目标函数时执行。developedmethod,以及用于计算价格和希腊货币的方法,也可用于计算无套利费用,这是可变年金行业的常见做法。数值实验表明,探地雷达估算值的精度高,计算量小。最后,我们强调,该分析是针对GMWB年金进行的,但它可以推广到其他保险产品。关键词:GMWB定价、Heston-Hull-White模型、数值方法、机器学习、高斯过程回归1简介在本文中,我们重点关注一种特殊的可变年金(VA),它引领着生活福利附加者:保证最低提取福利(GMWB)。该合同是通过支付一笔金额来启动的,然后投资于风险资产,通常是共同基金。
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

2022-6-14 05:50:10
保单持有人(PH)有权在合同周年纪念日提取固定金额,即使therisky账户已降至零。如果提取的金额超过担保金额,则将处以罚款。合同还包括向PH的继承人支付福利*中央统计局-法国中央统计局FR3487,法国-卢多维奇。goudenege@math.cnrs.fr+意大利安德烈乌迪内大学经济统计研究所。molent@uniud.it意大利安东尼诺乌迪内大学经济统计科学部。zanette@uniud.itin保险期内死亡案例。当合同到期时,支付最终款项,合同终止。研究人员致力于开发新的数值技术,其效率越来越高,计算成本也越来越低。例如,Bacinello等人[1]考虑使用蒙特卡罗方法对GMWB产品进行定价和计算。Chen和Forsyth【4】以及Donnelly等人【7】引入了偏导数方程,而Costabile【5】提出了基于树的定价方法。最近,Goudenège等人应用混合树PDE方法来计算GLWB和GMWB合同的价格和希腊价格【12,13】。然而,随着这些技术越来越有效,计算时间仍然不容忽视,尤其是当被认为代表市场动态的随机模型包含许多随机因素时,如随机波动率和随机利率。此外,使用包含随机波动率和随机利率的准确模型对于处理长期到期产品(如VAs)至关重要。在本文中,我们研究了当考虑赫斯顿船体白模型时,GMWB合同的评估。
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

2022-6-14 05:50:13
这种随机模型特别有趣,因为它同时提供了随机波动率和利率。特别是,我们考虑了Briani等人[3]引入的混合树PDE(HPDE)方法,这是一种反向归纳算法,在股票过程的方向上遵循有限差分PDE方法,在其他随机源(即随机波动率和随机利率)的方向上遵循树方法。此外,我们开发了一种新的三项式树来区分额外的随机源,并利用它来获得HPDE方法的改进版本。事实证明,这种数值方法特别适用于GMWB产品的范围,因为它能够处理这些保险产品的长期到期。此外,由于PH可以选择在每个合同周年纪念日提取的最佳金额,因此必须解决动态控制问题,并且可以有效地应用HPDE方法来处理此问题。特别是,我们采用HPDE方法计算两个合同周年之间合同的持续价值,并根据最优退出策略修改每个周年的合同状态变量,从而在时间上向后推进。据我们所知,这是GMWB第一次在赫斯顿-赫尔-怀特模型中定价,同时也考虑了最优的取款策略。保险公司面临的计算依赖于模型参数和合同参数,这些参数很少且变化范围很小。这种情况类似于衍生品世界中发生的情况,在衍生品世界中,有许多标准化产品的重复估值。De Spiegeleer等人提出了一种加快衍生品定价的创新解决方案。
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

2022-6-14 05:50:16
[6] ,这包括使用机器学习技术从由模型参数特定组合的观察价格组成的训练集预测衍生产品的价格。特别是,他们考虑高斯过程回归(GPR),这是一种贝叶斯非参数技术。计算一个函数所需的所有信息(价格或导数的希腊字母)都可以在一个训练集中汇总,然后算法学习该函数,并可以应用它快速预测新的输入参数。Gan【9】采用了类似的方法,结合聚类技术,在Black-Scholes模型中为VAs的大型投资组合定价。与De Spiegeleer等人所做的不同,Gan考虑了市场参数的固定值(利率和波动率),必须在市场条件的每次变化时重复该程序。Ganand Lin[10]提出了一种结合聚类技术和GPR的新方法,可以在考虑嵌套模拟的情况下有效评估策略。最近,Gan和Lin【11】提出了一种两级元建模方法,通过GPR和蒙特卡罗模拟,有效估计对冲投资组合VA所需的敏感性。作为第二个结果,我们表明,机器学习技术可以应用于GMWB产品的范围,只要在赫斯顿-赫尔-怀特模型中考虑定价和希腊计算。特别是,我们表明,对于培训范围内的市场和合同参数的每种组合,可以开发一种回归方法,能够预测每种政策的价格和价格。培训程序要求准确计算不同参数配置政策的价格和希腊价格,这由HPDEmethod完成。
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

2022-6-14 05:50:19
培训程序只需执行一次,所开发的回归可以在各种市场条件下以及不同的GMWB合同中应用。此外,我们还表明,GPR可以有效地用于计算无套利费用,即在风险中性概率下使合同公平的成本。数值试验表明,使用探地雷达方法可减少多个因素的计算时间,但精度损失较小,这使得该技术特别有趣。此外,与Gan[9]提出的不同,投资组合不需要聚类技术,提供了不依赖于特定模板策略的通用方法。本文的主要成果在于将HPDE方法应用于GMWB产品的评估,并通过GPR方法加快评估速度,以便在很短的时间内获得准确的保单评估,这是所有保险公司所要求的。本文的作者组织如下。在第2节中,我们介绍了GMWB合同,并解释了如何使用HPDE计算价格和希腊语。在第3节中,我们简要回顾了GPR方法,并解释了如何将其应用于GMWB范围。在第4节中,我们报告了一些数值试验的结果。最后,第5节得出结论。2 GMWB合同及其评估在本节中,我们介绍了GMWB合同和数值方法。继Chen和Forsyth【4】和Goudenège等人【13】之后,我们重点关注合同的简化版本。2.1 GMWB合同在合同开始时,PH向保险公司一次性支付保费P。然后,PH有权在每个合同周年纪念日进行提款,从t=1开始。如果被保险人死亡,其继承人将获得福利,合同终止。
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