随机波动率模型下离散几何平均亚式障碍期权定价

合集下载

随机波动率和随机利率下离散采样方差互换定价问题

随机波动率和随机利率下离散采样方差互换定价问题
在这些背景下,解决随机波动率和随机利率下的离散采样方差互换定价问题,不仅 具有理论价值,也有实际应用的重要性。
02
随机波动率与随机利 率模型
随机波动率模型介绍
定义
随机波动率模型是用于描述金融 市场中资产价格波动率的模型, 其中波动率不是常数,而是随时
间随机变化。
Heston模型
一种常用的随机波动率模型,它假 设波动率是由一个均值回复过程驱 动的,能够捕捉到波动率的聚集效 应和微笑效应。
02
参数法
这种方法通过拟合波动率和利率的参数模型(如随机波动率模型、随机
利率模型等)来估计未来分布。参数法可以提供更灵活的定价框架,但
也需要对模型的参数进行准确的估计和校准。
03
蒙特卡洛模拟
这种方法通过大量模拟标的资产价格的随机路径来计算方差互换的预期
收益和价格。蒙特卡洛模拟可以处理复杂的定价问题,但计算量通常较
有限差分法
通过数值求解偏微分方程来得到方差互换价格
有限差分法是一种将偏微分方程离散化,并利用差分 近似求解的方法。在方差互换定价中,可以将随机波 动率和随机利率的偏微分方程进行离散化处理,并利 用已知的边界条件和初始条件,通过迭代计算得到方 差互换价格的数值解。有限差分法的优点是计算效率 较高,可以处理高维问题,缺点是对边界条件和初始 条件敏感,可能存在数值稳定性和收敛性问题。
SABR模型
另一种随机波动率模型,它通过使 用随机过程来模拟资产价格和波动 率之间的相关性,常用于期权定价 。
随机利率模型介绍
• 定义:随机利率模型用于描述金融市场中的利率动态,其中利率被建模为随机 过程,以捕捉利率的随机波动和期限结构效应。
• Vasicek模型:一种常用的随机利率模型,它假设利率遵循一个均值回复过程 ,通过调整参数可以拟合不同的利率期限结构。

金融市场学中的波动率模型应用

金融市场学中的波动率模型应用

金融市场学中的波动率模型应用引言:金融市场中的波动率是指资产价格的波动程度,是衡量市场风险的重要指标。

波动率模型是金融市场学中的重要研究内容,通过对市场波动率的建模和预测,可以帮助投资者制定风险管理策略、优化投资组合和进行衍生品定价等。

本文将探讨金融市场学中的波动率模型应用。

一、历史波动率模型历史波动率模型是最简单直观的波动率模型之一,它通过计算历史价格序列的标准差来衡量波动率。

这种模型的优点是简单易懂,能够反映市场的实际情况。

然而,历史波动率模型的缺点在于无法考虑未来的市场变动,只能基于过去的数据进行预测,因此在市场快速变化的情况下可能会失效。

二、随机波动率模型随机波动率模型是一类基于时间序列的模型,它假设波动率是一个随机变量,可以通过对历史数据进行拟合来估计未来的波动率。

其中,最常用的模型是ARCH(Autoregressive Conditional Heteroskedasticity)模型和GARCH (Generalized Autoregressive Conditional Heteroskedasticity)模型。

这些模型考虑了波动率的自相关性和条件异方差性,能够更好地捕捉市场的波动特征。

三、隐含波动率模型隐含波动率模型是通过期权定价模型来反推市场对未来波动率的预期。

市场上的期权交易数据中包含了市场对未来波动率的预期,通过对期权价格进行反推,可以得到隐含波动率。

这种模型的优点是能够直接反映市场对未来波动率的预期,但缺点是需要对期权定价模型进行合理的假设。

四、波动率预测模型波动率预测模型是通过历史数据和市场信息来预测未来的波动率。

常用的波动率预测模型包括GARCH模型、EGARCH模型、SV模型等。

这些模型通过对历史数据的拟合和市场信息的利用,可以提供未来波动率的预测结果。

波动率预测模型在风险管理和投资组合优化中有着广泛的应用。

五、波动率模型在风险管理中的应用波动率模型在风险管理中起到了重要的作用。

股指期货的四种定价方法

股指期货的四种定价方法

股指期货的四种定价方法[摘要]我国金融市场已经推出沪深300股票指数期货,本文吸收借鉴了国内外的研究成果,说明了股指期货四种定价理论和相关的实证结果,并提出今后理论研究的方向。

[关键词]股指期货定价定价理论实证研究研究方向一、定价理论1、持有成本定价模型Comell&French(1983)最早提出在无摩擦市场以及借贷利率相等且保持不变情况下的股指期货持有成本定价公式,股指期货的理论价格为■。

该模型假设条件较多,且定价偏差大,但是最经典的定价模型。

2、连续时间模型Ramaswamy&Sundaresan(1985)修正了期权定价模型进而推导出随机利率条件下无套利股指期货的理论价格。

该模型有四个假设条件:采用单因子CIR描述无风险利率,无风险贴现债券用局部期望假设来描述,无摩擦市场,股指服从对数正态分布。

Cakici&Chatterjee(1999)引入另一种利率模型,通过对S&P500实证比较发现,利率的平方根过程和对数正态过程对定价没有显著性影响。

3、一般均衡定价模型Cox和Ross等人在1985年推出资产定价的一般均衡模型, 随后Hemler&Longstaff(1991)推导出利率随机波动和市场随机波动情况下的股指期货一般均衡定价模型。

该模型有四个假设:经济个体同质预期,企业产品被消费或被投资,投资回报率是随机过程,经济体状态变量X 和Y均值复归。

股指期货的偏微分方程的PDE解析解和持有成本定价模型异曲同工。

4、区间定价模型Klemkosky&Lee(1991)考虑交易成本、股利和借贷利率不相等因素,“做多指数现货,做空指数期货”得到套利区间的上限,“做多指数期货,做空指数现货”得到套利区间的下限,在此区间内不可套利,在此区间外可套利。

国内对股指期货定价的理论探索较少,其中陈晓杰,黄志刚(2007)在无风险套利原理下,改良B-S方程通解,推导出股指期货的定价模型。

随机利率模型下几何平均亚式期权定价的新解法

随机利率模型下几何平均亚式期权定价的新解法
关键 词 : u —Wht 模 型 ; Hl l i e 几何 平 均 亚 式期 权 ;or r F ui 变换 ; 权 定价 e 期 中 图分 类 号 :80 9 F 3 . 文 献 标 识 码 : A 文 章 编 号 :04— 3 2 2 l ) 3— 0 2— 6 10 8 3 ( oo o 02 0
△1 S一△2 . P 因此 在 ( , +d )时间 段 内n的收益 为 : ft t
收稿 日期 :09— 5— 0 20 0 2 基 金 项 目 : 西 省 自然 科 学 基 金项 目(0 8 Z 0 2 ) 江 2 0 G S0 5 作者简介 : 坚(9 9一) 男 , 潘 17 , 赣南师范学 院数学与计算机科学学院讲师、 硕士, 从事偏微分方程与金融数学 的研究
2 0正 01
赣 南 师 范 学 院 学 报
J u n l fGa n n Noma ie st o r a n a r lUn v r i o y
N . o3
第三期

Jn .0 0 u e 2 1
基础 数 学 ・
随机 利 率 模 型 下 几 何 平 均 亚 式期 权 定 价 的新 解 法
1 1 基 本假设 .

(I) 原生 资产 ( 股票 ) 的价格 服从几 何布 朗运动 :
: =r t r u , +o d d
^ )f
() 1
其中 是资产的期望增长率 , r o 是原生资产变化的波动率且为常数 , ”为标准的布朗运动. (Ⅱ) 市 场利 率采用 能 自动地适 合今 天期 限结构 的 Hul l—Wht模 型 : i e d = [ ()一a ] t r 。 r t r d +o d ’ 2 () 2 其 中 a 均值 回复速度 且为 常数 , () 是 是确定 性 的 函数 , r o 是短 期利 率 的瞬时 波动 率且 为常数 , 为 标准 的布朗运 动 . ul Wht 模 型仅有 的缺 陷是 在这样 一个 G us H l— i e a s 环境 中并 未排 除负 利率 . 尽管如 此 , 该 注意 应 到, 对于合理 的参数 , 样 的事件 有 相 当低 的发 生 的概 率 ( 这 见文 献 [ ] . 且 , o ( " d ) = 6 )并 Cyd , p t I < 1 , 里常数 P表示两 个 随机源 的相关 系数 . d( PI ) 这 ( Ⅲ) 市场无 摩擦 , 无套利 . 12 建立方程 .

随机波动率模型下几何平均亚式期权的定价

随机波动率模型下几何平均亚式期权的定价

实数. 随机波动率模型的提出, 增加 了市场上的随 机源, 而 风 险资 产 只有 一种 , 因此 市 场 不再 完 备 , 数 学上 意味着 风 险资产 的价格 过程 的等 价鞅 测度
不再 唯一 , 通常 , 研 究者 们考虑 寻求 最小 等价 鞅测
市场 上风 险资 产价格 S 满足 如下条 件 :
玲 ,林 志超
2 3 0 6 0 1 ;2 .安徽 大学 数学学院 ,安徽 合肥 2 3 0 0 0 9 )
要 :假设股票价格波动率服从对数正态分布 , 在此随机波动率模 型下 , 利用等价鞅测度变换 , 得 到了 词 :随机波动率 ; 几何平均 ;亚式期权 ;固定执行价格
文 献 标 志 码 :A
杂得 多 , 虽 然有很 多学 者讨 论 了其定 价 , 但 几乎 都 是在 B l a c k — S c h o l e s 模 型下 股 票 波 动 率 为 常 数 的 假设 下 进 行 的l _ 2 ] , 然 而实证表 明 B l a c k - S c h o l e s
虑波动率的平方服从对数正态分布的随机模型. 假设 市场 只有两 种 资产 , 一 种是 无风 险债 券 , 种 是风 险资 产股票 .
最小 等价鞅测 度下 固定 执行 价格 的几何平 均亚式期 权定 价公式 , 并讨论 了其近似解的求法.
中 图 分 类 号 :F 8 3 0 . 9 ;O 2 2 1 . 6
亚式期 权是 一 种 强路 径 依 赖 期 权 , 也 是 当今
金融 衍生 品市 场 上 交 易 最 为 活 跃 的新 型期 权 之
d X =a X d t +b X d w .
( 4 )
式中: 为 股 票 的期 望 收 益 率 为 股 票 的 波 动

基于Hull-White随机波动率模型的算术平均亚式期权Monte-Carlo定价

基于Hull-White随机波动率模型的算术平均亚式期权Monte-Carlo定价

基于Hull-White随机波动率模型的算术平均亚式期权Monte-Carlo定价梁艳;王玉文【摘要】在Black-Schole期权定价模型中,假设股票红利q、无风险利率r及股票收益的标准差σ都是常数.然而在实际的交易市场,波动率却是随机变化的,而非常数.因此,把波动率考虑到期权定价公式中是十分必然的.在建立随机波动率定价模型中,假设波动率是一个随机变量,以亚式期权为研究对象,让随机波动率满足Hull-White 模型,对算术平均亚式期权进行Monte-Carlo模拟定价.【期刊名称】《哈尔滨师范大学自然科学学报》【年(卷),期】2017(033)005【总页数】4页(P1-4)【关键词】Hull-White模型;亚式期权;Monte-Calor模拟【作者】梁艳;王玉文【作者单位】哈尔滨师范大学;哈尔滨师范大学【正文语种】中文【中图分类】O290 引言自1973年著名的Black-Scholes期权定价公式的问世,金融市场迎来了前所未有的变革.随着国际金融衍生品市场越来越复杂,应运而生了大量的新型期权,它们的交易方式、交易价格等更能适应市场和投资的需求,其中研究比较多的就是亚式期权.近年来,如何科学的给亚式期权定价成为非常受欢迎的金融研究课题[1,5]. 在现有的对亚式期权定价模型中,常假设波动率是不变的,但实际市场的波动率却是随机的,所以建立的随机波动率模型需要把这个问题考虑进去.宋逢明[2]研究了Hull-White三叉树利率期限结构模型,并进行了模拟,结果表明其实用性很强.该文研究的Hull-White模型是时变的,而Hull-White模型与Vasick模型都是波动率可以出现负值,这是Hull-White模型[3]最大的缺陷,为了克服这一困难,把波动率的变化范围大致进行了限制,所以并未影响 Hull-White模型在随机波动率期权定价中的应用.1 模型与假设算术平均亚式期权,设其中标的股价为S,在t时刻无风险资产的价格为Bt,无红利支付的风险资产St,无风险利率为r.在t时刻的St 及Vt[4]满足(0≤t≤T)该模型具有与时间有关的漂移率θt(时间t的确定性连续函数),均值回复速度为κ和波动系数σ为正常数,模型以速率向均值及回复,在返回程度上依赖于时间.{W1(t):0≤t≤T},{W2(t):0≤t≤T}是满足风险中性概率测度条件下的一维标准Brownan运动,Cov(dW1(t),dW2(t))=ρdt,相关系数ρ是常数且|ρ|<1令其中Zt 是与W1,W2独立的布朗运动[5].2 Monte- Carlo模拟法由参考文献[5]可知,该文的模拟的原理如下:假设有两个相似金融衍生品A、B,其中A是待求解,B与A相似,但可求出VB的显式解,用相同的▯t及相同随机序列样本类似模拟出A的近似估计值与B的近似估计值则A的近似估计值为模拟步骤:(1)若E[X]无显式解,找出与X无关的另一个随机变量Y,且E[Y]有显式解.(2)用同样▯t及同样的随机序列样本平行模拟出序列X,Y.(3)用模拟出X,Y,求出最优系数c*=(4)求出模拟序列X及Y的数学期望由求出E[X]的近似值[6].3 算术平均亚式期权的Monte-Carlo模拟3.1 模拟随机波动率过程Vt的路径(1)Wt、Zt是两个相互独立的Brownan运动,ρ是确定的常数,则可解出分割时间区间[0,T]为n等分,记▯▯t,则▯▯……▯又由于Wt1-Wt0,…,Wtn-Wtn-1与Zt1-Zt0,…,Ztn-Ztn-1是相互独立的增量,且Wt1-Wti-1▯N(0,ti-ti-1)=N(0,▯t),Zti-Zti-1▯N(0,ti-ti-1)=N(0,▯t)i=1,…,n.可由Matlab随机生成两组服从标准正态分布N(0,1)的相互独立的n×m个数,分别记作A、B,则A=(a1,a2,…,an)',B=(b1,b2,…,bn)',且ai=aij,bi=bij,i=1,…,n,j=1,…,m对Vti(i=0,1,2,…,n)取对数,有对(1)式等号两边的元素取指数,有则Vt=Vtn为第m次模拟后得到的随机波动率终值,可间接得到波动率的路径变化过程[7].3.2 模拟股票价格过程St的路径若St满足dSt=rS1dt+VtStdW1(t),则(4)分割时间区间[0,T]为n等分,记▯▯t,由上式有而Wt1-Wt0,…,Wtn-Wtn-1是相互独立的增量,且Wti-Wti-1▯N(0,ti-ti-1)=N(0,▯t),i=1,…,n.同样由Matlab生成两组服从标准正态分布N(0,1)的相互独立的随机数,记作向量C,则对S(ti)(i=1,…,n)取对数,有对(2)式等号两边的元素取对数,有则经过m次模拟近似得出了股票价格的可能变化过程[8].3.3 算术平均亚式期权的关于Monte Carlo模拟的估计值由3.2可估计出S的m条可能路径上的变化值,Sk(t1),…, Sk(tn),k=1,…,m,可计算出m条路径上的算术平均亚式期权价格为:(6)则算术平均亚式期权价格用U1,…,Um的算术平均值来估计(7)4 总结与展望该文在波动率满足Hull-White模型的条件下,对固定执行价格的算术平均亚式期权进行了定价,由于亚式期权是求所有可能股票价格的平均值的期权,所以采用了Monte-Calor模拟法对其路径进行模拟,在最后得出了关于Hull-White随机波动率模型的算术平均亚式期权定价的近似解.但是在用Monte-Calor模拟法时,需要用matlab对数据进行计算,为了得到的数据更加接近于理论值,在计算时需要加大运算次数和运算的数据的密度,为结果的得出增大了难度,会在以后的学习中,继续改进此方法,争取得到运算简便,结果准确的模型.参考文献[1] 郑小迎,陈金贤. 关于亚式期权及其定价模型的研究. 系统工程,2000(18): 22-26.[2] John H, Alan W. The General Hull-White Model and Supercalibration J. Financial Analysts, 2011, 57(6): 34-43.[3] 宋逢明, 石峰. 基于Hull-White模型的债券市场利率期限结构研究[J]. 运筹与管理,2006, 15(3): 85-89.[4] 许聪聪, 许作良. 随机波动模型下算术亚式期权的Monte Carlo模拟定价[J]. 数学的实践与认识,2015, 45(21): 114-121.[5] 王欣欣,王玉文.约化模型下互联网理财产品的信用违约互换保费的确定[J].哈尔滨师范大学自然科学学报,2016,32(1):16-18.[6] 詹慧蓉,程乾生.拟蒙特卡罗法在亚式期权定价中的应用[J].数学的实践与认识,2005,3(35):20-27.[7] 邵斌, 丁娟. GARCH模型中美式亚式期权价值的蒙特卡罗模拟算法[J]. 经济数学,2004, 21(2): 142-148.[8] 叶春翠.CIR随机波动率模型的亚式期权蒙特卡洛模拟定价方法[D].广西师范大学,2012.。

随机波动率下障碍期权的MonteCarlo模拟定价

随机波动率下障碍期权的MonteCarlo模拟定价

随机波动率下障碍期权的MonteCarlo模拟定价随机波动率下障碍期权的 Monte Carlo 模拟定价障碍期权是金融衍生品中的一种重要品种,其根据标的资产价格是否突破一定水平产生不同的收益方式。

本文将以Monte Carlo 模拟方法对随机波动率下的障碍期权进行定价和分析。

首先,我们需要了解什么是随机波动率。

在传统的期权定价模型中,波动率是一个常量,而实际市场中,波动率是具有随机性的。

因此,在模拟随机波动率时,我们可以引入波动率的随机漫步模型,如几何布朗运动模型。

该模型中,波动率的变化服从几何布朗运动,并且在一段时间内的波动率会受到前一段时间内的波动率水平的影响。

在进行 Monte Carlo 模拟定价之前,我们需要确定一些模型参数。

这些参数包括标的资产的价格、波动率的初始值和随机漫步的步长等。

另外,我们还需要确定期权的具体特征,包括障碍水平、到期时间、执行价格和障碍期权类型等。

在模拟定价过程中,我们将生成多个随机路径,每个路径表示资产价格在不同时间周期内的变化。

对于每个路径,我们首先计算出在到期日前是否触及障碍水平。

如果资产价格在到期日前触及了障碍水平,障碍期权将会失效,将无法享受到期权所带来的收益。

因此,在模拟中,我们需要记录障碍期权不失效的路径,计算其到期时的收益。

最后,对于所有有效的路径,我们将其收益进行折现平均,得到障碍期权的理论价格。

通过 Monte Carlo 模拟定价,我们可以得到随机波动率下障碍期权的理论价格。

与传统的期权定价模型相比,这种方法更加符合实际市场情况,能够更好地反映波动率的变化性质。

此外,Monte Carlo 方法还可以用于分析不同环境下期权价格的敏感性。

我们可以通过调整模型参数或者期权特征,观察其对障碍期权价格的影响,进一步帮助投资者进行风险管理和决策。

然而,需要注意的是,Monte Carlo 方法在计算量上会比较大,特别是当路径数目较多时,计算时间会较长。

离散算术平均亚式期权的有限元法定价

离散算术平均亚式期权的有限元法定价

采用标的算术平均的形式,其定价多采用数值方法或以标的几何平均 亚式期权来近似逼近。因此,进行算术平均亚式期权定价模型的数值 近似解的研究非常必要。
数十年来,亚式期权的定价方法对金融工程师和研究者是一大挑 战。与一般标准的期权定价模型的数值分析方法相同,路径相关的奇 异期权或亚式期权的定价一般也主要有三种方法:蒙特卡罗模拟,二 叉树法,以及近年来流行的偏微分方程法(PDEs)。早在 1977 年,亚 式期权的创造者 Boyle 以标的几何平均的亚式期权作为初始值采用 Monte carlo 控制方差法得出了算术平均亚式期权的近似解。关于如 何得到几何平均的亚式期权的解析解和某些算术平均亚式期权的近 似解,Peter Zhang (1997) 的著作中有详细的论述。Wilmott 等【2】, Zvan 等【3】, Zhu Zili【4】等通过数值求解亚式期权的偏微分方程 对其定价。本文采用有限元方法对亚式期权定价模型进行数值分析和 研究。为提高定价精度和节省计算时间,采用了局部加密网格这一有 限元最具特色的离散方案,获得了满意的结果。
(5)
看跌期权: V(S, A (T), T) = max(A (T) -S,0)
(6)
A (T) 为到期日的算数平均价格
● 算术平均价格迭代公式:
(7) 在空间域上用有限元法进行离散,时间域上用差分法进行离散, 在具体求解过程中,是从期权到期时刻开始,往前推,最终求得该期 权在初始时刻的价格。金融工程中的期权方程边界条件的选取有多种 不同的方式:有根据金融含义确定相应的边界条件【2】;有从期权方 程出发导出边界条件【3】;也有在计算过程不使用边界条件的【4】。 在我们的计算中没有使用边界条件,计算表明这样的处理对亚式期权 方程的求解可获得良好的数值精度和稳定性。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

( ) dSt= St rdt + St Vt ρdWt + 1− ρ 2 dBt ,

(2.1)
dVt =κ (θ −Vt ) dt + σ Vt dWt .
其中σ ,κ ,θ , ρ 均为常数, 2κθ ≥ σ 2 。此模型称为 Heston 随机波动率模型。 注 1 令 ρ= 1,σ= κ= θ= 0 ,则Vt 为常数,模型(2.1)变成经典的 B-S [1]模型。

2
+
1 π
+∞ 0


e−iu
ln Kϕ iu
(
u
)

du

,
(2.6)
DOI: 10.12677/ojns.2019.76054
449
自然科学
陈有杰
其中 ℜ( z) 表示 z ∈ 的实部,= ϕ1 (u)
e−rT ϕ (u − i) 。
St
3. 主要结果
关键词
Heston模型,障碍期权,Fourier反变换,几何平均
Copyright © 2019 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
Keywords
Heston Model, Barrier Option, Fourier Inverse Transform, Geometric Average
随机波动率模型下离散几何平均亚式障碍期权 定价
陈有杰 广西师范大学数学与统计学院,广西 桂林
收稿日期:2019年9月20日;录用日期:2019年10月5日;发布日期:2019年10月12日
障碍期权(Barrier option)是一种路径依赖型期权(Path-dependent options),它的最终收益不仅依赖于标 的资产到期日的价格,还依赖于标的资产变动的路径,当标的资产价格触及规定的障碍时,期权合约生 效或失效。障碍期权合约可以降低投资者投资的风险,其价格比标准欧式期权价格便宜,因此受到市场 的青睐,被广泛地应用于风险管理。障碍期权可以分为两大类:敲出期权(knock-out option)和敲入期权 (knock-in options)。敲出期权是指当标的资产价格触及规定的障碍值时,合约失效;敲入期权是指当标的 资产价格触及规定的障碍值时,合约生效。根据在期权有效期内标的资产价格是否大于障碍值,又可以 将敲出期权分为下降敲出期权(down-and-out options)和上升敲出期权(up-and-out options);同样也可以将敲 入期权分为下降敲入期权(down-and-in options)和上升敲入期权(up-and-in options)。我们知道,在实际的金 融市场中,金融衍生品的交易往往是离散情形。所以,在期权定价问题上,我们考虑离散时间情形观测 到的标的资产价格会更贴近实际的金融交易。故,本文选择研究离散时间情形的障碍期权定价问题。研 究离散障碍期权定价问题的文献并不多,1997 年 Broadie 和 Kou [10]在标的资产价格满足 B-S 模型下给出 了欧式离散障碍期权价格的近似显示式;2007 年 Fusai 和 Recchioni [11]在 Kou 研究的基础上进一步研究 了离散时间的障碍期权的定价方法;2011 年 Wystue 和 Griebsch [12]在标的资产服从 Heston 随机波动率 模型下给出离散时间欧式障碍期权价格的定价公式;2018 年薛广明和邓国和[13]在 Wystue 研究的基础上 进一步研究了基于 Bates 模型的欧式离散障碍期权的定价问题。受到上述文献的启发,本文在前人研究的 基础上,结合 Heston 随机波动率模型和基于资产价的离散几何平均,进行亚式离散障碍期权定价的研究 探讨。
令 Xt = ln St ,由 Itô 公式,方程(2.1)变为
( )
dX t
=

r

1 2
Vt

dt
+
Vt
ρdWt +
1− ρ 2 dBt
, X 0 = x0 ,
dVt =κ (θ −Vt ) dt + σ Vt dWt ,V0 =v0.
(2.2)
引理
2.1
[12] : 设 0 = t0 < t1 < t2 < < tm = T
本节在股价满足 Heston 模型的条件下,应用多维特征函数,Girsanov 测度变换和 Fourier 变换方法, 推导出基于资产价的离散几何平均亚式离散障碍期权的定价公式。
( ) ( )( ) A(τ ,a,b) =
,
d 1+ e−dτ − 1− e−dτ κ − σ 2a
(2.4)
( ) ( )( ) B(τ ,a,b=)
κθ σ2




d

+
2 ln
d
1 + e−dτ
2d − 1 − e−dτ
, κ − σ 2a
(2.5)
其中=d κ 2 + 2σ 2b 。
Open Journal of Nature Science 自然科学, 2019, 7(6), 447-455 Published Online November 2019 in Hans. /journal/ojns https:///10.12677/ojns.2019.76054
un−k +1
+ห้องสมุดไป่ตู้
Ak −1,
p
uj
j = m−k +1


,且
A0
=
0,
( ) h(t)
= x0 + rt,
j (t )
= v0 + κθ t

p(u)
=
1 2
−κ
ρ σ

1 2
iu
1− ρ2

iu

q
(u)
=
iu
ρ σ

( ) ( ) da 1+ e−dτ − 1− e−dτ (2b + κ a)
Pricing of Discrete Geometric Average Asian Discrete Barrier Option under Stochastic Volatility Model
Youjie Chen School of Mathematics and Statistics, Guangxi Normal University, Guilin Guangxi
推论 2.1 [4]:若股价满足 Heston 模型,则执行价格为 K,到期日为 T 的标准欧式看涨期权在 0 时刻
的价格为
Ce (t, x0 , v0 , K ,T )
∫ ∫ =
S0

1 2
+
1 π
+∞

0

e−iu
ln
K
ϕ1
iu
(u)

du



Ke−rT
1
q (uk
)
j
(tk
)
+
m

k
Bk
+
Am v0
,
(2.3)
( ) ∑
m
其中 i 为虚数单位, Bk = B tm−k +1 − tm−k , q
un−k +1
+
Ak −1,
p

j=
u
m−k +1
j



( ) ∑
m
Ak = A tm−k +1 − tm−k , q
Received: Sep. 20th, 2019; accepted: Oct. 5th, 2019; published: Oct. 12th, 2019
Abstract
In this paper, the pricing of Asian barrier options for discrete time scenarios based on the discrete geometric average of asset price is discussed under the model of Heston stochastic volatility which is discussed in the underlying asset price. Some stochastic analysis approaches such as the semi-martingale Itô formula, multidimensional federated characteristic functions, Girsanov theorem and Fourier inverse transform technique are to derive the pricing formula for the Asian discrete barrier call option. And finally, numerical examples are given by us, and the impacts of some parameters in stochastic volatility process on the values of the barrier option values are examined by this numerical example.
相关文档
最新文档