一类局部随机波动率模型的期权定价研究
本文选题:期权定价 + 隐含波动率 ; 参考:《浙江大学》2012年博士论文
【摘要】:Black-Scholes基于无套利原理推导出著名的Black-Scholes期权定价公式。该公式的问世的确引起了金融经济学与金融业的革命。然而Black-Scholes模型也有自已的不足,它的常波动率假设使得模型的隐含波动率曲面独立于敲定价格与到期时间,且不随时间变化。但实际上,市场隐含波动率曲面依赖于期权敲定价格K和到期时间T以及当前时间t,体现以下特性: (1)对相同的到期时间T,·体现出波动率微笑(smile)特性。 (2)隐含波动率曲面随时间t而动态变化的。 这些市场特性与期权风险对冲紧密相连,因此在建模中体现这些特性非常重要。而Black-Scholes模型在这方面的的欠缺,引起了业内对它的推广。 目前主要有两类模型来体现波动率特性:一类是随机波动率模型,它直接用新的随机过程对波动率建模;另一类是局部波动率模型,它的波动率建模为基础资产和时间的确定函数。 我们认为局部波动率刻画了内部因素,随机波动率刻画了外部因素,它们都部分地刻画了波动率。如果把波动率函数建模为局部和随机波动率两部分的加权和形式,这样会更加全面。于是我们提出了一类加权和局部随机波动率模型,并以SSCEV模型为例来进行研究。我们选用J-P Fouque的奇异扰动方法,推导出欧式期权定价公式的一阶近似表达式,并给出了该近似公式的误差估计。为了计算的方便,我们把近似公式的一阶项和零阶项分别关于指数参数渐进展开,得到渐进解析公式。 实证分析结果显示,SSCEV模型对到期时间大于90天的欧式期权数据拟合效果是比较好的。且对不同的到期时间,模型预测的波动率曲线动态方向与市场观测的相一致。这克服了局部波动率的这方面的问题,使得模型的对冲更加稳定。 另外,基于Jim Gatheral的工作,我们对Pierre Henry-Labordere(2008)的近似结果进行改进,给出局部波动率模型下隐含波动率的一种新的近似公式,并巧妙的利用Taylor级数展开,推导出近似公式的简单级数形式。 数值结果显示,在时间齐次与非齐次的CEV模型下,我们的近似公式均显示出较高的近似精度。且在计算上也要简单许多,因此它可以作为CEV模型精确解的良好替代。 在时间非齐次的CEV模型情形,与Pierre Henry-Labordere(2008)的近似结果进行比较得出:我们基于它的修正不仅在精度上提高很多,而且有更好的稳定性.这说明了改进效果显著。
[Abstract]:Black-Scholes derives the famous Black-Scholes option pricing formula based on the arbitrage free principle. The emergence of the formula did lead to a revolution in financial economics and finance. However, the Black-Scholes model also has its own shortcomings. Its constant volatility hypothesis makes the implicit volatility surface of the model independent of the fixed price and maturity time, and does not change with time. In practice, however, the implied volatility surface of the market depends on the option strike price K and the maturity time T, as well as the current time t, reflecting the following characteristics: 1) for the same expiration time T, the volatility smile is reflected in the characteristic of mileage. 2) the implicit volatility surfaces change dynamically with time t. These market characteristics are closely related to option risk hedging, so it is very important to embody these characteristics in modeling. And the lack of Black-Scholes model in this respect, has caused the promotion of it in the industry. At present, there are mainly two kinds of models to reflect volatility characteristics: one is stochastic volatility model, which directly uses new stochastic processes to model volatility, the other is local volatility model. Its volatility is modeled as a deterministic function of the underlying asset and time. We consider that local volatility characterizes internal factors, random volatility characterizes external factors, and they all characterize volatility partially. If the volatility function is modeled as the weighted sum of local and random volatility, it will be more comprehensive. So we propose a class of weighted and local stochastic volatility models, and take the SSCEV model as an example to study. Using J-P Fouque's singular perturbation method, we derive the first order approximate expression of European option pricing formula, and give the error estimate of the approximate formula. For the convenience of calculation, we develop the first order term and zero order term of the approximate formula with respect to the exponential parameters respectively, and obtain the asymptotic analytic formula. The empirical results show that the SSCEV model has a good effect on European option data whose expiration time is longer than 90 days. For different expiration time, the dynamic direction of volatility curve predicted by the model is consistent with that of market observation. This overcomes the problem of local volatility and makes the hedging of the model more stable. In addition, based on the work of Jim Gatheral, we improve the approximate results of Pierre Henry-Labordereen 2008, and give a new approximate formula of implicit volatility under local volatility model, and use Taylor series to expand it cleverly. The simple series form of approximate formula is deduced. Numerical results show that our approximate formulas show high approximation accuracy under the time-homogeneous and non-homogeneous CEV models. And it is much simpler in calculation, so it can be used as a good substitute for the exact solution of CEV model. In the case of time-inhomogeneous CEV model, the comparison with the approximate result of Pierre Henry-Labordereen 2008) shows that our correction based on it not only improves the accuracy but also has better stability. This shows that the effect of improvement is remarkable.
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2012
【分类号】:F224;F830
【相似文献】
相关期刊论文 前10条
1 杜子平,张世英;向量随机波动模型的共因子研究[J];管理科学学报;2002年05期
2 毛舜华;;一种连续随机波动模型参数估计的新算法[J];深圳职业技术学院学报;2007年01期
3 张敏强;魏宇;黄登仕;;基于随机波动的资本市场混沌行为研究[J];统计与决策;2007年22期
4 黄波;顾孟迪;李湛;;偏正态随机波动模型及其实证检验[J];管理科学学报;2010年02期
5 卢素;刘金山;;随机波动模型的参数估计方法[J];佛山科学技术学院学报(自然科学版);2011年01期
6 小山顺二 ,原启明 ,林云松;随机波动的分维谱构造[J];地球物理学进展;1990年02期
7 李汉东,张世英;随机波动模型的持续性和协同持续性研究[J];系统工程学报;2002年04期
8 蒋祥林;王春峰;;基于贝叶斯原理的随机波动率模型分析及其应用[J];系统工程;2005年10期
9 陈杨林;夏正喜;;随机波动率模型分析与应用[J];九江职业技术学院学报;2010年04期
10 胡中功,张建朝;突变频率随机波动对基因频率稳态分布的影响[J];湖北大学学报(自然科学版);1991年02期
相关会议论文 前6条
1 张宁;倪宏艳;;需求随机波动下的局部竞争与合作分析——厂商背叛行为的判定[A];管理科学与系统科学研究新进展——第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议论文集[C];2001年
2 李汉东;张世英;;随机波动模型的波动持续性研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年
3 宋国青;;周期正在消失[A];2012年夏季CMRC中国经济观察(总第30期)[C];2012年
4 徐俊武;罗毅丹;;过剩产能能否抑制通货膨胀?——基于包含随机波动的TVP模型考察[A];2009年全国博士生学术会议论文集[C];2009年
5 孙有发;张国亚;丁露涛;;基于Stretching和高阶紧的Heston随机波动模型下美式期权有限差分定价格式[A];中国系统工程学会第十八届学术年会论文集——A10系统工程方法在金融、投资、保险业等领域的研究[C];2014年
6 于红香;刘小茂;;SV-M模型下VaR和ES估计的极值方法[A];2003中国现场统计研究会第十一届学术年会论文集(上)[C];2003年
相关博士学位论文 前5条
1 马研生;随机波动率模型中的金融衍生品定价问题[D];吉林大学;2012年
2 谢乐;一类局部随机波动率模型的期权定价研究[D];浙江大学;2012年
3 郑挺国;基于有限混合状态空间的金融随机波动模型及应用研究[D];吉林大学;2009年
4 孟利锋;随机波动模型及其建模方法研究[D];天津大学;2004年
5 陈萍;随机波动率模型的统计推断及其衍生证券的定价[D];南京理工大学;2004年
相关硕士学位论文 前10条
1 钟卓;函数参数随机波动模型[D];厦门大学;2008年
2 严卫星;随机波动模型下的非交易日效应研究[D];南京理工大学;2008年
3 何鲁宁;随机波动率的波动率模型[D];上海交通大学;2011年
4 王明雷;具有随机波动率的可转换公司债券定价模型研究[D];浙江理工大学;2012年
5 郑秀灯;基因表达中的随机波动[D];北京师范大学;2008年
6 刘酉君;随机波动模型参数估计方法比较研究[D];天津大学;2007年
7 李艳军;随机波动率—随机利率跳扩散模型数值解的收敛性及期权定价应用[D];暨南大学;2014年
8 刘传文;混合贝塔分布随机波动模型的贝叶斯建模方法研究[D];天津财经大学;2012年
9 王敏;带跳的随机波动率下离散情形的方差互换定价研究[D];西南财经大学;2014年
10 邓利平;对数均值回复跳扩散随机波动率模型下外汇期权定价[D];复旦大学;2013年
,本文编号:1812785
本文链接:https://www.wllwen.com/guanlilunwen/zhqtouz/1812785.html