Adecompositionformulaforoptionprices中文版..docVIP

Heston随机波动率模型中期权定价分解公式和期权定价极值的应用 摘要：通过古典伊藤演算的方式，我们将期权定价公式总结为Black-Scholes公式，波幅参数等于均方根的未来平均波动，加上由于相关参数和参数相对波动性的波动。这种分解使可以推导出一阶和二阶近似公式为期权价格和隐含波动的heston随机波动率模型的框架，以及研究它们短期内到期的准确性。 简介 heston随机波动率模型是经典的B-S公式的发展，B-S公式可以用于在真实市场数据中观测skew和smile现象。这些模型的研究已推出 新的重要的数学和实践上的挑战，特别是在与相关期权定价的问题和相应的参数进行校准。事实上，大多数的随机波动模型都没有涉及到封闭式的期权定价公式，有时可能会推导出封闭形式定价的公式，但是却没有一般参数的快速校准。 最近学术界出现了一种近似于封闭式期权定价公式。为此，一些学者提出了用扰动分析相应的PDE相对于一个特定的模型参数，如分析波动，均值回归或相关性。在所有这些 技术，结果的有效性的区域被限制为只能是短期或长期。期权定价所获得的近似值可以起到快速校准和更好地了解模型参数的作用。最近，Benhamou等人提出了另一种方法。其中，作者着重强调在初始条件下，到期日股价的规律。他们 扩大了价格波动的波幅，使用Malliavin积分方法进行修正。这种方法允许作者处理短和长期限，以及与时间有关的系数。ALOS中还提出，由Malliavin演算作者延伸出了古典Hull和White公式分解期权价格，在没有相关性的情况下，可以通过修正辅以相关性，将期权价格分解为同样形式的派生价格。作为应用，笔者研究出一个方法来构造一阶期权定价的近似公式，只需要一些规律性的条件（在Malliavin演算的意义上）的波动的过程，而且可以应用于 一个很普通的波动模型，其中包括长期记忆波动的情况下。 即使在ALOS中的必需条件适用于大多数的随机波动率模型，在Heston模型中，这些条件也是不能被接受的。在Alòs 和 Ewald，作者尝试将由Malliavin可微性波动的结果ALOS应用到Heston情况下，但不幸的是，只有当维底层贝塞尔过程中δ是大于6时，近似精度才能被证明。 本文致力于获得期权定价的一个新的分解公式，当条件不满足是，也要利用Malliavin方法推导出一个类似ALOS的有效的期权定价公式。而不是扩大期权价格的范围的Hull和White预测随机微积分的方法（Malliavin微积分），我们使用经典It?公式展开，围绕经典价格 Black-Scholes公式波幅参数等于根均方未来平均波幅。这将使我们可以用最后一期、相关期和波动期的总合来描述期权定价。这种方法只需要一些一般性的可积性条件得到满足Heston模型，然后我们可以将它扩展到ALOS和Ewald中，在δ2，δ 3时并证明，得到一个新的二阶近似公式。即使论文是在Heston模型的条件下，结果也可以扩展到其他波动模型具有良好的可积性条件中。 本文的结构如下。在Section2，我们介绍的主要符号和假设，并证明我们对期权价格的分解公式。在Section3，我们利用Section 2的结果，获得第一级和第二级期权定价逼近公式。一些数值例子，在Section4，主要结论总结在Section5。 期权定价分解公式 我们定义Heston模型，股票价格在时间区间[0，T]下一个风险中性概率为P *， 其中， 其中r是瞬时利率（应该是恒定的），W*和B*是在概率空间（Ω，F，P）定义的独立的标准布朗运动， ρ∈[-1,1]和κ，θ，ν是常数满足条件2κθν2。在 下面，我们用FW*，FB* 用W所产生的过滤效果*和B*分别。此外，我们定义F：= FW *∨FB*。这将是方便在以下部分，以使变量Xt的=日志（ST）的变化，T∈[0，T]。这是众所周知即由下式给出的形式H（XT）在时间t的一个未定的价格。（此部分有点乱，附原文。） 其中E*表示相对于P*的期望。我们用下面的符号： 以下都是公式推导过程，直接截图 Remark2.3以上证明只使用一些可积性和规律性的条件波动的过程，并因此可以被扩展到其他波动模型，即使非马尔可夫或非持续波动。 Remark2.4式（2.2）为我们提供了一个工具来描述对期权价格的影响的相关性和波动性的波动。请注意，在第二期（2.2）右侧的不相关的情况下，ρ=0变为零。 3. 本节介绍了在Heston中，一阶和二阶近似为期权价格，及其短期内到期的准确性。下面的结果是类似于Bossy and Diop的引理A.1。 Remark3.4 请注意，当δ=4时，式（3.1）给出近似的相同顺序 如（3.2）。另一方面，近似的精度在（3.2）