双分数布朗运动环境下脆弱期权定价
混合双分数布朗运动下期权的定价研究
混合双分数布朗运动下期权的定价研究摘要：本文研究了混合双分数布朗运动下期权的定价。
首先，我们介绍了双分数布朗运动和混合双分数布朗运动的定义，分析了混合双分数布朗运动的性质，并给出了其表示式。
接着，我们介绍了Black-Scholes期权定价模型及其在标准布朗运动下的应用，然后将其扩展到混合双分数布朗运动下，并给出了相应的定价公式。
最后，通过实际数据的计算和模拟，验证了所得定价公式的正确性和可行性。
关键词：混合双分数布朗运动、双分数布朗运动、期权定价模型、Black-Scholes模型、定价公式Abstract：In this paper, we studied the pricing of options under the mixed fractional Brownian motion. Firstly, we introduce the definition of the fractional Brownian motion and the mixed fractional Brownian motion, analyze the properties of mixed fractional Brownian motion, and give its expression. Then, we introduce the Black-Scholes option pricing model and its application in the standard Brownian motion.Furthermore, we extend it to the mixed fractional Brownian motion and give the corresponding pricing formula. Finally, the correctness and feasibility of the obtained pricing formula are verified by calculating and simulating actual data.Keywords: mixed fractional Brownian motion, fractional Brownian motion, option pricing model, Black-Scholes model, pricing formulaOption pricing has become a critical issue in the financial market, as there is an increasing demand for financial instruments that can help manage and hedge financial risks. The Black-Scholes option pricing model is widely used to price financial derivatives such as options. The model assumes that the underlying asset follows a standard Brownian motion, which is characterized by its constant volatility and drift. However, in reality, the volatility and drift of financial assets may vary over time, and their behavior may not be accurately represented by standard Brownian motion.The fractional Brownian motion (fBm) offers a more flexible framework for modeling the behavior of financial assets. Compared to the standard Brownian motion, fBm allows for varying volatility and drift,and exhibits long-range dependence. The mixed fractional Brownian motion (m-fBm) is an extension of fBm that incorporates both long- and short-range dependence, and has been used to model the behavior of stock prices and other financial assets.In this paper, we present a pricing formula for options based on the Black-Scholes option pricing model, but with the underlying asset modeled by m-fBm. We derive the formula using Ito's lemma and the risk-neutral pricing approach, and show that it reduces to the standard Black-Scholes formula when the underlying asset is modeled by standard Brownian motion.To test the validity of the pricing formula, we apply it to actual data on stock prices and compare the results with those obtained using the standard Black-Scholes formula. We find that the pricing formula based on m-fBm provides a better fit to the observed prices, particularly in cases where the underlying asset exhibits long-range dependence.In conclusion, we have shown that the m-fBm provides a more flexible and accurate framework for modeling the behavior of financial assets, and can be used to develop pricing models for financial derivatives such as options. The pricing formula presented in thispaper demonstrates the feasibility and effectiveness of using m-fBm in option pricingIn addition to its applications in modeling financial assets, m-fBm has also been used in other fields such as image processing, speech recognition, and geology. Its ability to capture long-range dependence and multifractal properties makes it a valuable tool in studying complex systems.One potential future direction for m-fBm research isin the development of more complex and realistic models that incorporate additional factors such as jumps, stochastic volatility, and other forms of nonlinearity. These factors are often present in real-world financial markets and can have a significant impact on asset prices. Developing models that can accurately capture these dynamics could lead to better pricing and risk management strategies for financial instruments.Another potential area for future research is in the application of m-fBm to other types of financial instruments such as futures, swaps, and credit derivatives. While options are a popular focus for financial modeling research, there are many other types of financial instruments that can benefit fromaccurate pricing models.Overall, the use of m-fBm in financial modeling represents an important development in the field of quantitative finance. Its ability to capture long-range dependence and multifractal properties makes it a valuable tool for understanding and predicting the behavior of financial assets. While there are still many challenges to overcome in developing more accurate and realistic models, the potential benefits of using m-fBm in financial modeling make it a promising area for future researchOne area where the use of m-fBm in financial modeling could be particularly useful is in risk management. By accurately modeling the multifractal properties of financial assets, it would be possible to better understand the risk associated with different types of investments. This could help investors make more informed decisions and avoid potential losses.Another potential application of m-fBm in finance is in the development of trading strategies. By analyzing the long-range dependence of financial assets, it may be possible to identify patterns that can be exploited for profit. This could lead to the development of more effective trading algorithms and better investmentstrategies.However, there are also several challenges that needto be overcome in order to fully realize the potential of m-fBm in financial modeling. One major challenge is the lack of high-quality data. Multifractal analysis requires long and accurate time series data, which may be difficult to obtain in the financial markets. Additionally, there is a need for more sophisticated modeling techniques that can accurately capture the complex dynamics of financial markets.Despite these challenges, the use of m-fBm infinancial modeling has already shown promising results in several areas. Its ability to capture long-range dependence and multifractal properties make it a valuable tool for understanding and predicting the behavior of financial assets. As research in this area continues, it is likely that we will see further advancements in our understanding of financial markets and their underlying dynamicsIn conclusion, multifractional Brownian motions (m-fBm) have become an increasingly popular tool for modeling financial markets due to their ability to capturelong-range dependence and multifractal properties. While the use of m-fBm in financial modeling presentsseveral challenges, there have been promising results in predicting the behavior of financial assets. Further advancements in research are likely to provide a deeper understanding of financial markets and their underlying dynamics。
混合双分数布朗运动下欧式期权的定价
混合双分数布朗运动下欧式期权的定价徐峰【摘要】提出一种新的不具有平稳增量的随机过程—混合双分数布朗运动，用来刻画标的资产的价格，进行欧式期权定价的研究。
假设标的资产由混合双分数布朗运动驱动，运用对冲原理建立混合双分数布朗运动环境下的欧式期权价值所满足的偏微分方程，并采用边界条件和变量代换的方法得到该偏微分方程的解，即欧式期权的定价公式，其结果可看作是混合分数布朗运动和双分数布朗运动驱动下的一种推广。
%Assuming that the underlying asset is driven by the mixed bi-fractional Brownian motion,this paper proposes a partial differential equation formulation for valuing European option by hedge principle. Moreover, using the boundary condition and the method of variable substitution,we obtain the solution to this partial differential equation-the pricing formula for European option.【期刊名称】《苏州市职业大学学报》【年(卷),期】2015(000)001【总页数】4页(P50-53)【关键词】混合双分数布朗运动;欧式期权;定价;长记忆性【作者】徐峰【作者单位】苏州市职业大学商学院，江苏苏州 215104【正文语种】中文【中图分类】F830.9;O211.6传统的期权定价都是在假设标的资产服从几何布朗运动的基础上进行研究的，然而近年来大量的实证研究表明，金融资产的对数收益率并非服从正态分布，而是服从一种“尖峰厚尾”的分布，而且其价格之间也并非是随机游走的，存在着长记忆性和自相似性等分形特征，这导致了大量由布朗运动驱动的定价模型不符合真实的市场.分数布朗运动[1]已成为弥补上述模型缺陷最为简单的方法.但是，文献[2]指出分数布朗运动不是半鞅，许多研究者用不同的方法给出了分数布朗运动的离散逼近，并指出直接将分数布朗运动应用于金融环境将会产生套利机会[3-4]，这使得分数布朗运动似乎不适合用于刻画金融资产价格变化的行为模式.从而，部分学者开始研究修正的分数布朗运动，如混合分数布朗运动、双分数布朗运动等[5-6]，由于双分数布朗运动不仅具有自相似性和长记忆性的特征，而且在一定的限制条件下是半鞅，因此可以应用于期权定价领域.本文提出一种新的不具有平稳增量的随机过程—混合双分数布朗运动，用来刻画标的资产(如股票)的价格，进行欧式期权定价的研究.本文的结果可作为混合分数布朗运动和双分数布朗运动驱动下的一种推广.1.1 混合双分数布朗运动的定义与性质定义1 如果满足均值为0，协方差为则中心高斯过程称为混合双分数布朗运动，其中，σ，ε为两个常数，过程是双分数布朗运动，{Bt}t≥0是标准布朗运动，与独立，当K=1时，混合双分数布朗运动就退化成混合分数布朗运动；当时，混合双分数布朗运动就退化成双分数布朗运动.由定义易知，混合双分数布朗运动具有以下性质.性质1是HK-自相似的，即对任意α＞0，过程具有相同的分布；性质2 当具有长记忆性；性质3 当不是半鞅.这些性质的证明可见参考文献[6].1.2 模型假设对金融市场做如下假设：市场无摩擦，即交易费用为零，无税收，不存在无风险套利机会；没有对交易头寸方向的限制，允许买空卖空证券；无风险利率r为常数；标的资产(如股票)的价格变化过程St服从过程式中：μ表示标的资产的收益率.在以下研究中假设根据文献[7]易得到下面的引理.引理1 随机微分方程(1)的解为定理1 设Ct=C(t，St)是欧式看涨期权在t时刻的价格，股票价格满足方程(1)，则Ct满足偏微分方程证明构建一个买入一份期权C和卖空Δ份股票S的资产组合Π，即Π=C-ΔS，则选取适当的Δ使得资产组合Π在(t，t+dt)上是无风险的，即dΠ=rΠdt.令，则有即有定理2 假设到期日为T，履约价格为K，则混合双分数布朗运动下欧式看涨期权在任意时刻t∈ [0，T]的价格Ct为式中为标准正态函数.证明由定理1得Ct满足偏微分方程(3)，且边界条件为C(T，S)=(S-K)+.令S=ex，C=V(t，x)，则易得将上式代入式(3)，则有同时边界条件变为令则有将上式代入式(4)，则有式中边界条件为根据热传导方程经典解理论[8]，式(5)有唯一强解将边界条件代入可得11对式(6)做逆变换易得定理2成立.推论1 当K=1时，可得到混合分数布朗运动驱动下的欧式看涨期权在t时刻的价格为其中注1 该结论与文献[9](当n=1时)中得出的结果一致.注2 当ε=0时，推论1的结果即为双分数布朗运动环境下欧式期权的定价公式，与文献[10]的结果一致.采用类似的方法同样可以推导出欧式看跌期权的定价公式，不加证明地给出下面的定理.定理3 假设到期日为T，履约价格为K，则混合双分数布朗运动下欧式看跌期权在任意时刻t∈ [0，T]的价格Ct为式中为标准正态函数.本文假设标的资产由混合双分数布朗运动驱动，利用偏微分方程的方法探讨了欧式期权的定价问题.采用混合双分数布朗运动刻画金融资产的价格变化过程在一定程度上比传统模型有所改进，可以看作是混合分数布朗运动和双分数布朗运动驱动下的一种推广.另外，混合双分数布朗运动也可以应用于探讨奇异期权(如重置期权、障碍期权等)的定价问题.【相关文献】[1] MANDELBROT B，VAN N J W. Fractional Brownian motion，fractional noises and application[J]. SIAM Review，1968，10：422-437.[2] LIN S J. Stochastic analysis of fractional Brownian motion[J]. Stochastics and Stochastics Reports，1995，55(1/2)：122-140.[3] BENDER C，ELLIOTT R J. Arbitrage in a discrete version of the Wick-fractional Black-Scholes market[J]. Mathematics of Operations Research，2004，29(4)：935-945.[4] BJǒ R K T，HULT H. A note on Wick products and the fractional Black-Scholes model[J]. Finance and Stochastics，2005，9(2)：197-209.[5] LEI P，NUALART D. A decomposition of the bi-fractional Brownian motion and some applications[J]. Statistics and Probability Letters，2009，79(5)：619-624.[6] RUSSO F，TUDOR C. On the bifractional Brownian motion[J]. Stochastic Processes and their applications，2006，116(5)：830-856.[7] ALOS E，MAZET O，NUALART D. Stochastic calculus with respect to Gaussian processes[J]. Annals of Probability，2001，29(2)：766-801.[8] 邵宇，刁羽. 微观金融学及其数学基础[M].北京：清华大学出版社，2008：663-674.[9] 徐峰，郑石秋. 混合分数布朗运动驱动的幂期权定价模型[J]. 经济数学，2010，27(2)：8-12.[10] 赵巍. 分形市场视角下的期权定价模型及其套期保值策略研究[J].合肥工业大学学报：自然科学版，2013，36(11)：1388-1392.。
双分数布朗运动下实物期权的定价
" ] CT
1
%( s) dA2,K( s) ,
(3)
其中 II % IIM-
MM
f f " 1,9) %(1) %( ”) did”.
"1,9 = 2K(22K - 1) |i -9
2.2定价模型 假设实物期权的到期日为M,执行价格为
@ &利用保险精算的定价方法，我们得到欧式实 物期权的定价模型。
S( t— +R /
1
1
2X
d J/ I % I M-
p
f ('— %(s)dA2，0(s) )2 d'
L
2 | % | M-
2! 广8
1—
S "J (
d* —M“3dA2，0( s
c 2 dz
/1 1% M-
s)dA2,0(s) -*d
f S(, )
/mM-
J —8
S(t) ](d,)，
(8"
其中
得到经典布朗运动下实物期权的价格为
f C(t ) % S(,)](必)—@c (sd](必)，(11)
其中
in呼+
s ds
则有
" ds
第3期
苗杰：双分数布朗运动下实物期权的定价
17
境下，利用保险精算法，得到了实物期权的定价 公式。在定理中，当0 = 1,2*% ，&2W % sW ,
3结语
实物期权是金融期权的发展与延伸，常用于 解决不确定性问题。本文在双分数布朗运动的环
((tA2,K( t)) =/( 0,0) +[ff( s,A2,K( -) ds +
(s,A2,K( s)) dA2,K( s) +
分数布朗运动环境中交换期权的定价模型
分数布朗运动环境中交换期权的定价模型
布朗运动环境下交换期权定价模型：
一、简介
1、什么是布朗运动：布朗运动是一种在投资市场上具有概率性的运动环境，它可以解释货币市场上证券价格的变化。
2、什么是交换期权：交换期权是指受益人同另一个相关实体签订的期权合约，可以为受益人带来期限内受益权。
二、布朗运动模型
1、正态模型：主要用来描述证券价格的波动情况，如：投资组合的收益，货币市场的利率变化，外汇市场的汇率波动等，都属于正态模型。
2、风险平价法：采取的投资策略定价的主要方法之一，它的核心内容是针对该投资策略，将其成交均价和所有期权进行比较，从而最大化获取投资收益。
三、交换期权定价模型
1、模型表示：交换期权定价模型可以表示为C(t, x)，其中t为时间，x为期次，C 为此期权的定价。
2、期权价值：交换期权定价模型的期权价值由以下因素决定：a)时间价值：当期权到期时，受益人实际获得的利益；b)红利价值：持有期权的受益人所能获得的额外收益；c)可能性价值：持有期权的受益人可能得到的利益总和。
3、期权价格：交换期权定价模型更多地关注受益人在期权持有期间能够得到的收益，在决定期权价格时，还要考虑期权费用及其相关风险成本，以求得最理想的期权价格。
四、结论
交换期权在布朗运动环境下的定价模型，通过时间价值、红利价值和可能性价值来描述期权价值，并考虑期权费用及其相关风险成本，以求得最理想的期权价格，为投资者在布朗运动环境下获取最大收益提供了一种参考模型。
基于分数布朗运动环境下期权定价的若干问题研究的开题报告
基于分数布朗运动环境下期权定价的若干问题研究的开题报告一、研究背景和意义现代金融理论中，期权定价理论一直是研究的重点之一。
期权定价问题主要是考虑买方和卖方在未来的时间内对资产价格波动的不同看法，而推导期权价格的表达式。
现有的期权定价理论包括布莱克-斯科尔斯模型、扩散模型、跳跃扩散模型等，这些模型多数都是基于几何布朗运动环境下建立的，然而实际情况中，市场上的资产价格往往呈现非对称布朗运动。
因此，基于分数布朗运动的期权定价问题研究，在现代金融学理论研究上有着重要的理论和实际意义。
分数布朗运动近年来成为了重要的可用于描绘非对称布朗运动的数学模型，其研究不仅对于理论研究有很大的推动作用，也对实际金融市场的投资决策具有重要的指导意义。
二、研究内容和方法本文将探讨基于分数布朗运动环境下期权定价的几个方向，主要包括以下几个方面：1. 基于分数布朗运动的期权定价模型构建：分数布朗运动是分数阶微分方程组成的随机过程，其特点是具有长记忆性、非马尔可夫性等特征，因此需要建立新的数学模型进行期权定价。
2. 基于分数布朗运动的期权定价理论研究：基于构建的模型，进一步进行期权定价理论的研究，探讨不同模型下的期权价格变化规律。
3. 基于分数布朗运动的期权定价的数值解算方法：由于分数布朗运动的难以解析性质，需要研究出适用于此类问题的解析和数值解法，保证研究过程的可计算性。
4. 基于分数布朗运动的期权定价及其应用的实证研究：通过实证研究来验证理论模型的有效性、适用性，并进一步探讨此类模型在金融市场中的应用价值。
在方法方面，主要采用随机控制方法、最优投资决策和偏微分方程等数学和统计学方法，以及计算机模拟和实证分析等方法。
三、研究预期成果和创新点本文的预期成果和创新点主要有以下几个方面：1. 建立基于分数布朗运动的期权定价模型，以期开发一种更为适用于现实市场的期权定价方法。
2. 探讨基于分数布朗运动的期权定价理论，丰富和完善期权定价理论体系。
混合双分数布朗运动模型下回望期权定价
２０１９年３月
淮 海 工 学 院 学 报 （自 然 科 学 版 ） Ｊｏｕｒｎａｌ ｏｆ Ｈｕａｉｈａｉ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ）
Ｖｏｌ．２８ Ｎｏ．１ Ｍａｒ．２０１９
ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２－６６８５．２０１９．０１．００２
第１期
顾 哲 煜 ：混 合 双 分 数 布 朗 运 动 模 型 下 回 望 期 权 定 价
９
的资产服从几何布 朗 运 动 的 基 础 上 进 行 的，然 而 近 年来大量金融实证 发 现，标 的 资 产 的 价 格 变 化 往 往 呈现出“尖峰厚尾”的 特 征，而 分 数 布 朗 运 动 能 够 刻 画尖峰、厚尾、偏斜 的 特 征，且 具 有 自 相 似 性 和 长 记 忆性［２］，因此国内外学者对此展开了大量研究．然 而 分 数 布 朗 运 动 既 不 是 半 鞅 也 不 是 马 尔 科 夫 过 程 ， ［３］ 这给定义分数布朗运动的随机积分及其相关应用带 来了困难，在实际 定 价 过 程 中 直 接 运 用 分 数 布 朗 运 动驱动的定价模型更是将产生套利机会［４－５］．部 分 学 者开始对定价模型 中 的 分 数 布 朗 运 动 进 行 修 正，例 如开始 引 入 混 合 分 数 布 朗 运 动［６］、双 分 数 布 朗 运 动［７］．在文献［８］中，作 者 证 明 了 当 Ｈｕｒｓｔ指 数 在 一 定范围内时，由混 合 分 数 布 朗 运 动 驱 动 的 金 融 市 场 是无套利的，因此 建 议 使 用 混 合 分 数 布 朗 运 动 来 驱 动金融 市 场．文 献 ［９］首 次 提 出 了 双 分 数 布 朗 运 动———不仅具有长程 相 关 性，而 且 在 一 定 条 件 下 是 半鞅，因此比分数布 朗 运 动 更 适 合 用 来 对 实 际 市 场 中的期权进行定价．
分数布朗运动环境下降低权利金的权证定价研究
（ ｃｏｌ ｆ ｕｉｅｓ Ｈ ａｈｉ ｎｔｕｅｏ ｅｈ ｏｏｙ ｉｎｕ ｇｎ ２０ １ Ｃ ｉａ Ｓｈｏ ｓ ｓ ， ｕ ｉａ Ｉｓｔｔ ｆ ｃｎ ｌ ，Ｌａｙ ｎａｇ２ ２０ ， ｈｎ ） ｏＢ ｎ ｉ Ｔ ｇ
Ａｂｓｒ ｃｔ Ｃｏ ｉ ｅ ｎｇ ｏ ｒｃ ｉｎ ｌｃ ａ ａ ｔｒ Ｂｒ ｗｎｉｎ ｍ ｏｉｎ ｉ ｏｎ ｒ ａ ｏ ａ ｌ ｏ ａ ｉ ｓ ｕ ｐｉ ｎ ｔ ｐｔ ｎ ｐ ｃｎ ｔ ａ ： ｎｓｄ ｒ ｆｆａ ｔｏ ａ ｈ ｒ ｃｅ ， ｏ ｉ ａ ｔｏ ｓ ｎ －ｅ ｓ ｎ ｂ ｅ ｆ ｒｂ ｓｃ ａ ｓ ｍ ｔｏ ｏ ｏ ｉ ｒ ｉｇ ｏ ｉ
Ｓ ｐ ， ０１ ｅ ｔ２ ２
分 数 布 朗 运 动 环 境 下 降 低权 利 金 的权 证 定 价 研 究
赵 巍
（ 淮海工学院商学院， 江苏 连云港 ２ ２０ ） ２ ０ １
［ 摘要 】 证券市 场分 形特征的存在 ， 否定 了布朗运动作为期权定价模 型初始假定 的合理性 ． 本文从 标的资产服
ｍｏ ｅ ．Ｔ ｉ ａ ｅ ｅｓ ｔｅ ａ ｓ ｒ ｐ ｉｅ ｆ ｌ ｗ ｄ ｆａ ｔ ｎ ｌＢ ｏ ｎ ａ ｔ ｎ ｔ ｏ ｓｒ ｃ ｕ ｓ－ ｒ ｎ ａｅ ｍｅｈ ｄ ｕ ｄ ｒ ｄ １ ｈ ｓ ｐ ｐ ｒｓ ｔ ｈ ｓ ｅ ｒ ｏｌ ｅ ｒ ｃｉ ａ ｒ ｗ ｉｎ ｍｏｉ ｏ ｃ ｎ ｔ ｔｑ ａ ｉｍａ ｔ ｇ ｌ ｔｏ ｎ ｅ ｔ ｃ ｏ ｏ ｏ ｕ ｉ ｔ ｅｒｓ ｅ ｔ ａ ｕ ｅ， ｉｈ ｃ ｎ ｓｍｐ ｉ ｈ ｒ ｃ ｅ ｉｇ ｏ ｏｖｎ ｒ ｃｉｎ ｌ ｌ ｃ — ｃ ｏｅ ．Ｆ ｒ ｅ ｍｏ ｅ ｈｓ ｐ ｐ ｒ ｈ ｋ ｎ ｕｒ ｍｅ ｓ ｒ ｗｈ ｃ ａ ｉ ｌ ｙ ｔ ｅｐ ｏ ｅ ｄ ｎ ｆ ｌ ｉ ｇｆａ ｔ ａ ａ ｋ Ｓ ｈ ｌ ｓ ｕ ｔ ｒ ｒ ，ｔ ｉ ａ ｅ ｉ ｌ ａ ｆ ｓ ｏ Ｂ ｈ ｓ ｌｅ ｗｏ ｋ ｎ ｓｏ ｅ ｒ ｓ ｅ ｐ ｉｎ ｂ ｈ ａｎ ａ ｎ ｅｓ ｔ ｅ ｐ ｃ ｎ ｑ ａｉｎ ｄ ｖ ｎ ｂ ＢＭ． ｏｖ ｓ ｔ ｉ ｄ ｆｄ ｐ ｅ ｓ ｄ ｏ ｔ ｙ ｔ ｅ ｓ ｌ ｅ ｗ ｙ ａ ｄ ｇ ｔ ｈ ｒ ｉ ｇ ｅ ｕ ｔ ｒ ｅ ｙ Ｆ ｏ ｉ ｏ ｉ Ｋｅ ｒ ｓ ｆ ｃｉ ｎ ｌＢ ｏ ｎ ａ ｔ ｎ，ｑ ａ ｉｍａ ｔ ｇ ｅ ｒｃ ｉｎ ｌＢ ａ ｋ Ｓ ｈ ｌ ｓｍｏ ｅ ，ｄ ｐ ｅ ｓ ｄ ｏ ｔ ｎ ｙ ｗｏ ｄ ： ａ ｔ ａ ｒ ｗ ｉ ｎ ｍｏｉ ｒ ｏ ｏ ｕ ｓ－ ｒｉ ａ ，ｆ ｔ ａ ｌｃ — ｃ ｏ ｅ ｄ ｌ ｅ ｒ ｓ ｅ ｐ ｉ ｎｌ ａ ｏ ｏ
分数布朗运动在期权定价中的应用研究
分数布朗运动在期权定价中的应用研究分数布朗运动（fractional Brownian motion，FBM）因其在自回归和非平稳时间序列建模中的广泛应用而日益受到关注。
随着金融市场的日益复杂和风险的不断增加，分数布朗运动在金融领域中的应用也愈发重要。
在期权定价中，分数布朗运动的使用可以帮助金融从业者更准确地评估期权价值，降低风险。
本文将对分数布朗运动在期权定价中的应用进行研究探讨，主要从以下几个方面进行分析：一、分数布朗运动简介分数布朗运动是一种非平稳的随机过程，它是布朗运动的一种扩展形式。
与标准布朗运动不同的是，分数布朗运动的Hurst指数（Hurst exponent）不等于0.5，而是一个介于0和1之间的分数。
Hurst指数的值越大，即越接近1，分数布朗运动的长期相关性就越强。
在金融领域，分数布朗运动经常被用来建模资产价格，它可以捕捉市场中的长期依赖性和自相似性。
二、期权定价的基本原理期权定价是金融工具中的一种核心领域，它主要用来计算期权的合理价格。
期权定价的基本原理是基于期权的内在价值和时间价值。
内在价值是指期权当前的实际价值，即如果现在就行权，期权所能够给持有人带来的收益。
时间价值是指期权所含有的未来时间的价值，包括行权前能够在市场上实现的收益、市场风险以及其他因素。
三、分数布朗运动在期权定价中的应用1.基于分数布朗运动的期权定价模型分数布朗运动适用于各种金融产品的定价和风险度量。
基于分数布朗运动的期权定价模型是一种基于复合泊松过程和Hurst指数的模型，可以通过计算分数布朗运动的变差（variance）来获取期权价格。
分数布朗运动可以更好地描述市场中自相关性和自相似性的现象，从而更好地展现出实际市场的特征。
利用分数布朗运动进行期权定价可以更准确地预测期权价格，从而为金融从业者提供更准确的风险度量方式。
2.基于分数布朗运动的期权风险度量期权风险度量是评价期权风险的一种方法。
分数布朗运动模型可以提供更有效的风险度量方法，因为它可以更好地描述长期相关性和自相似性。
- 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、"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、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)。
双分数布朗运动环境下脆弱期权定价
脆弱期权,是指在场外交易市场交易时具有信用风险的期权,由于信用风险的存在,使得交易两方在进行期权交易时均存在违约的可能性,从而导致期权无法执行.过去人们认为股票价格遵循几何布朗运动或者分数布朗运动,由于金融市场瞬息万变,大量的金融实证表明,现有股票价格所满足的随机微分方程已经很难满足市场需求,近些年学者们提出双分数布朗运动,它是更一般的高斯过程,具有随机性和一般性,可以刻画与实际更加符合的金融现象,本论文主要讨论有关双分数布朗运动环境下脆弱期权的定价问题,主要研究结果如下:(1)假定股票价格,公司价值和公司负债都满足双分数布朗运动驱动的随机微分方程,假设利率为常数,借助双分数布朗运动的随机分析理论知识,建立相应的金融市场模型,利用保险精算法得到双分数布朗运动环境下脆弱期权的定价公式.(2)假定股票价格服从双分数布朗运动和跳-扩散过程共同驱动的随机微分方程,公司负债和公司价值服从双分数随机微分方程,利用双分数布朗运动和跳-扩散过程的随机分析理论知识,建立与之对应的金融市场模型,并将保险精算思想应用到模型的求解过程中,得到双分数跳-扩散环境下脆弱期权定价公式.(3)引入双分数Vasicek利率模型,讨论脆弱期权定价问题.假定股票价格,公司价值和公司负债均遵循双分数随机微分方程,建立相应市场模型,应用保险精算法推导出双分数Vasicek利率下脆弱期权定价公式.。