期權定價

COS方法和密度的存在

  • March 4, 2021

嘿,在COS方法中我們使用特徵函式 $ \ln{S_T} $ 為歐式期權定價(通過從特徵函式中恢復密度)。但是我們怎麼知道密度存在呢?例如,我想用這種方法對 Kou、NIG 或 CGMY 模型中的期權定價,這些 Levy 過程是否有密度,我們可以使用這種方法嗎?我知道如果特徵函式是可積的定理,即 $ \int_{\mathbb{R}}|\phi (t)|dt<\infty $ 則存在關於 Lebesque 測度的連續密度。對於我提到的流程以及所有 Levy 流程,特徵函式是否可積分?

範例:寇模型

好吧,讓我們看看 Kou 模型 $$ \phi_{\ln(S_t)}(u)=\exp\left(\underbrace{\ln\left(S_0e^{(r-q+\omega)t}\right)iu}{=(\star)};;\underbrace{-\frac{1}{2}\sigma^2tu^2}{=(\star\star)}+\underbrace{\lambda t\left(\frac{p\eta_+}{\eta_+-iu}+\frac{p’\eta_-}{\eta_-+iu}-1\right)}_{=(\star\star\star)}\right), $$ 在哪裡

  • $ r $ 和 $ q $ 是利率和股息收益率
  • $ \sigma $ 是波動率
  • $ p $ 和 $ p’ $ 是上下跳躍的機率( $ p+p’=1 $ )
  • $ \eta_+>1 $ 和 $ \eta_->0 $ 與(反向)平均跳躍大小有關
  • $ \omega $ 是跳躍補償,確保 $ S_te^{-(r-q)t} $ 是鞅。

我聲稱我們可以很容易地證明 $$ \begin{align*} \int_\mathbb{R}|\phi(u)|\text{d}u<\infty. \end{align*} $$

  • 清楚地, $ |e^{(\star)}|\leq 1 $ 由歐拉公式。所有這些點都在單位圓上。
  • 下一個, $ |e^{(\star\star)}| $ 衰減超快,就像高斯鐘形曲線。所以 $ \int_\mathbb{R} |e^{(\star\star)}|<\infty $ .
  • 這 $ (\star\star\star) $ 情況並不難。首先, $ -\lambda t $ 可以從積分中取出,不會打擾我們。接下來,合理化分母,我們得到 $$ \begin{align*} \left|\exp\left(\frac{\lambda tp\eta_+}{\eta_+-iu}\right)\right| &= \left|\exp\left(\frac{\lambda tp\eta_+(\eta_++iu)}{\eta_+^2+u^2}\right)\right| \ &= \left|\exp\left(\frac{\lambda tp\eta_+\eta_+}{\eta_+^2+u^2}\right)\exp\left(\frac{\lambda tp\eta_+ui}{\eta_+^2+u^2}\right)\right| \ &\leq \exp\left(\frac{\lambda tp\eta_+\eta_+}{\eta_+^2+u^2}\right). \end{align*} $$ 這會產生進一步的指數衰減,因為 $ u\to\pm\infty $ 並且仍然是有限的 $ u=0 $ . 事實上,我們可以通過一個常數來估計這​​個術語。這同樣適用於 $ \eta_- $ 分數。

因此,總而言之, $ (\star) $ 以一為界, $ (\star\star) $ 看起來像鐘形曲線 $ (\star\star\star) $ 也是有界的。綜合起來, $ \phi $ 以指數方式快速衰減並且在 $ L^1(\mathbb{R}) $ .

幾點注意事項

  • 黎曼-勒貝格引理告訴我們特徵函式(傅里葉變換)收斂到零 $ u\to\pm\infty $ . 我們需要證明的是它們足夠快地收斂到零。
  • 您可以對 NIG 模型和其他特徵函式進行類似的限制
  • 對於這些指數 Lévy 過程,機率密度函式很少以封閉形式為人所知。特徵函式雖然很簡單。您始終可以通過(數字)傅里葉反轉特徵函式來獲得 PDF。

旁注:不確定性原則

要記住的一件事是不確定性原理:如果 $ f $ 展開,然後它的傅里葉變換 $ \hat{f} $ 非常“緊湊”,反之亦然。如果時間跨度,原木股票價格的密度非常分散 $ t $ 大:股票價格在 5 年內的潛在價值範圍很廣。然而,明天股價的密度在今天的價值附近非常見頂。因此,特徵函式在短期內非常分散,但在長期內衰減得非常快。正態分佈特徵函式的虛部範例(實部看起來相似): 在此處輸入圖像描述

引用自:https://quant.stackexchange.com/questions/61499