建模
使用誤差函式校準模型參數
假設我想使用期權模型從市場價格中找到隱含波動率。當然,我可以找到每個執行價格的隱含波動率( $ k $ 不同的執行價格)對於給定的期限,但這會給我 $ k $ 不同的隱含揮發物。我想使用(例如看漲期權)的市場價值來獲得單一的隱含波動率。讓我更正式地陳述這個問題。
假設我想找到一個參數 $ \sigma_{IV} $ . 考慮給定的成熟時間。到期時間 $ T $ , 我們有 $ k $ 看漲期權價格 $ c(K_i), i \in {1,2,…k} $ . 一個可以找到 $ \sigma_{IV,i} ,i \in {1,2,…k} $ 但我不關心這個。我想找到 $ \sigma_{IV} $ 鑑於這些限制
$ C_{Theoretical} (K_i)=C_{Market} (K_i), i \in {1,2,…k} $ . 我正在考慮最小化誤差函式,例如誤差的平方和
$$ \min_{\sigma_{IV}} \sum_i^k \bigg(C_{Theoretical} (K_i)-C_{Market} (K_i)\bigg)^2 $$
然而,有人可以找到不同的距離函式(例如平均絕對偏差)。有沒有處理這類問題的相關文獻?
注意:這個例子是一個假設的爭論的例子。
你的意思是目標函式對校準結果有什麼影響?也許看看這篇論文(網上有免費版本)。
@ARTICLE{Detlefsen2007, author = {Kai Detlefsen and Wolfgang K. H{\"a}rdle}, title = {Calibration Risk for Exotic Options}, journal = {Journal of Derivatives}, year = 2007, volume = 14, pages = {47--63}, number = 4, }
如果這更多是關於優化,也許這也很有用。(我是合著者;網路上也有免費版本。)
@INCOLLECTION{Gilli2011, author = {Manfred Gilli and Enrico Schumann}, title = {Calibrating Option Pricing Models with Heuristics}, booktitle = {Natural Computing in Computational Finance}, publisher = {Springer}, year = 2011, editor = {Brabazon, Anthony and O'Neill, Michael and Maringer,Dietmar}, volume = 4, }