方差衍生产品定价与控制变量蒙特卡罗方法

建立了方差互换金融衍生产品的定价模型,基于控制变量技巧,对随机波动率情形下的一类方差互换产品的定价问题,提出了一种有效的蒙特卡罗计算方法.通过进一步的理论分析和高效率控制变量的选取,大大减小了模拟误差,提高了计算效率.最后,对数值结果进行了分析,并考察了影响方差互换产品价格的因素.该计算方法可为其他方差互换衍生产品,如Corridor方差互换、Gamma方差互换和Conditional方差互换等产品以及其他多因子模型假设下的衍生产品定价提供有效思路.     

Switch Corridor方差互换定价的蒙特卡罗加速算法

主要研究为对冲跨市场波动率风险而开发的双标的资产的新型方差产品——Switch Corridor方差互换的定价问题。该产品由瑞士信贷(Credit Suisse)于2012年率先推出,逐渐成为了结构性产品市场上最受欢迎的新产品系列之一。使用控制变量Monte Carlo方法研究了双Heston随机波动率模型下Switch Corridor方差互换的定价问题,基于仿射结构理论,得到辅助标的过程下方差产品价格的解析解,构造了问题求解的高效控制变量。进一步地,考察了不同辅助过程波动率的选取对加速效果的影响。通过数值实验可以证明,基于动态波动率选取的辅助过程起到了很好的加速效果。该算法亦可方便地解决其他随机波动率模型下高维方差产品的计算问题。     

随机利率下条件蒙特卡罗综合加速方法及应用

主要研究CIR(cox-ingersoll-ross)随机利率模型下欧式期权定价的蒙特卡罗加速模拟问题,提出了一种新的控制变量,基于此变量结合条件蒙特卡罗方法可对普通蒙特卡罗方法有显著加速效果.理论及数值计算表明,该方法能有效地提高计算效率.同时,提出了基于条件蒙特卡罗方法求解Greeks的算法,与经典的蒙特卡罗方法比较,能更精确、稳定地求解Greeks的值.所提出的方法同样适用于一篮子期权、离散取样亚式期权等高维期权.     

随机波动率模型下基于精确模拟算法的期权计算理论

基于两类随机波动率模型研究了欧式期权的价格和敏感性估计问题.在Broadie和Kaya的精确模拟算法基础上,讨论了舍取抽样技术在精确模拟算法中的有效应用.在此基础上研究条件蒙特卡罗、对偶变量技术等方差减小技术在欧式期权定价和敏感性Greeks计算中的加速问题.数值结果表明,相比欧拉离散和原始的蒙特卡罗模拟算法,基于精确模拟算法的条件蒙特卡罗加速技术能得到无偏且方差更小的估计值,具有较好的误差减小效果.该算法可以很方便地解决其他更加复杂的金融产品的计算问题,如障碍期权的定价和敏感性估计问题、篮子期权的计算问题等.     

方差缩减技术在GARCH类定价模型中的应用

利用GARCH、EGARCH模型对离散障碍期权的定价进行实证研究。同时,使用拟蒙特卡洛模拟方法来避免随机数不均匀的问题,并加入方差减少技术来进行优化。结果表明:GARCH类定价模型能更好的估计期权价格,并且拟蒙特卡洛方法和方差减少技术同样能在GARCH类定价模型中很好地提高估计精度,减小模拟误差。     

高性能计算中的亚式期权蒙特卡罗加速方法

研究蒙特卡罗控制变量方法在CPU(central processing unit)集群和GPU(graphic processing unit)计算环境中的实现问题.以离散取样的随机波动率下的算术平均亚式期权为例,选取合适的控制变量,分别研究了在CPU集群和GPU计算中算法与硬件并行加速两者的运算效率,并讨论了模型参数的变化对计算结果的影响.数值试验表明采用算法与硬件加速相结合的方法可以极大提高计算效率、缩短运算时间.     

美式期权定价的拟蒙特卡罗模拟及其方差减小技术

在研究拟蒙特卡罗方法的基础上，选择对美式期权定价有较好稳定结果的Faure序列代替原来的伪随机序列，得到了优于LSM模拟的结果，使模拟方差得到缩减。在此基础上，综合考虑蒙特卡罗模拟的方差减少技术，把控制变量技术与对偶变量技术相结合的复合方差减少技术运用到美式期权定价的过程中。通过模拟结果发现，控制变量技术对LSM模拟和LSQM模拟都能产生较理想的方差缩减效果，结合使用控制变量技术的LSQM模拟无论是在计算效率还是结果的稳定性方面，都比使用控制变量技术的LSM模拟好。如果再将控制变量技术与对偶变量技术相结合的复合方差减少技术与LSQM模拟方法相结合，得到的模拟结果则更精确。     

基于GARCH-分形布朗运动模型的碳期权定价研究

文章将广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型和分形布朗运动结合引入碳金融期权定价研究中。通过对欧洲碳排放配额(European Union Allowance,EUA)期货收盘价的样本数据检验,发现其存在尖峰厚尾、条件异方差性和分形特征;采用GARCH模型拟合并预测碳价收益率波动率;将预测的波动率作为输入值代入分形布朗运动期权定价方法,运用蒙特卡罗模拟对EUA期货期权进行定价,并与B-S期权定价法(Black-Scholes Option Pricing Model)比较。结果表明,基于GARCH分形布朗运动模型的碳期权定价法预测精度有显著提高。     

Heston随机波动率模型的Multilevel Monte Carlo方法

在市场并非完全有效的前提下,波动率为常数的Black-Scholes模型已不能准确刻画现实世界中的金融市场,提出了用波动率不为常数的Heston随机波动率模型来刻画资产收益的运动过程,进而研究一种路径依赖形衍生产品,亚氏期权和回望期权;在模型下,通过Milstein离散和Multilevel Monte Carlo法对奇异期权中这两种期权的期权价格进行模拟,最后与普通Monte Carlo法模拟的结果进行比较,数值实验从方差、期望、样本数及计算成本方面验证了Multilevel Monte Carlo方法的高效性。     

两因子期权定价模型的条件蒙特卡罗加速方法

对一类随机波动率模型下的欧式期权定价问题,首先推导出条件蒙特卡罗方法的计算框架,然后基于鞅表示定理构造了一类有效的控制变量.数值实验结果表明:结合鞅控制变量的条件蒙特卡罗方法有效地减小蒙特卡罗模拟误差,对模型参数的依赖性小.     

跳扩散模型中随机利率和随机波动下期权定价

为合理刻画股价实际变化趋势,在双指数跳扩散模型中通过允许利率随机和波动率随机建立了合理的市场模型;然后利用鞅方法推导了随机利率、随机波动率下双指数跳扩散模型的欧式期权定价的闭式解;最后通过数值模拟分析了模型的主要参数对期权定价的影响.数值结果显示:所提模型能够较好地刻画股价实际变化趋势,股票收益和波动率负相关,随机利率对短期到期期权影响几乎可以忽略,而对长期到期期权价格影响显著.     

具有随机波动率的美式期权定价

为了更好地解决期权定价中存在的问题,研究了带有Heston随机波动率模型的期权定价问题,对美式期权的最佳实施边界及其提前执行的条件进行了分析和讨论。鉴于美式期权不存在解析定价公式,通过离散化参数空间将带有Heston随机波动率的美式期权价格所满足的随机偏微分方程转化为相应的差分方程,进而采用高阶紧式有限差分方法进行求解,得到了期权价格的数值解。通过数值实验对理论结果进行验证和模拟,对带有常数波动率和随机波动率条件下的两种最佳实施边界进行比较,发现最佳实施边界也具有随机波动性;在设定参数下对波动率的行为和性质进行分析,模拟出波动率曲线,并对高阶紧差分方法的计算结果进行比较,得到了期权的数值解,验证了算法的有效性。此方法对解决随机波动率下的期权定价其他问题,如:随机波动率下的多标的资产期权定价、障碍期权定价的研究具有借鉴价值。     

亚洲期权价格的一个新的多元控制变量估计

提出了一个新的用来估计亚洲期权价格的多元控制变量估计,由数值结果可知,当离到期时间很长或标的资产收益的波动率很大的时候它对其他控制变量估计有显著的改进。     

基于分类信息GARCH模型的高频数据波动率研究

提出了基于分类信息的C-GARCH模型和S-GARCH模型,并结合传统未考虑分类信息下的GARCH模型,以上证综指五分钟数据为样本,对波动率进行了实证分析;研究结果表明:分类信息GARCH模型优于未考虑分类信息的模型,最优模型为C-GARCH模型,其次为S-GARCH模型;好消息和坏消息对高频数据方差的影响程度相对较小,但却提高了描述精度;好消息与方差波动负相关,坏消息与方差波动正相关;坏消息对波动率的影响比好消息大,具有非对称性。     

混合GARCH模型下股票市场跳跃形态分析

在跳跃扩散模型下,假定跳跃强度服从门限自回归模型(self-threshold autoregressive model,SETAR)以反映跳跃强度的结构性突变,并使用GARCH模型描述收益率波动扩散形态.以受波动率影响的跳跃强度控制跳跃行为发生概率,并以受跳跃行为影响的GARCH模型控制正常扩散过程,构建了SETARGARCH模型.以上证房地产指数为例,实证研究发现,股指存在门限效应,GARCH效应明显,跳跃突变发生的概率为35.21%.资产收益率总体方差中有较大的部分是由跳跃行为异常所引起.历史波动率直接影响未来跳跃强度预期,历史跳跃行为干扰加剧了当期收益率波动扩散,波动率扩散和跳跃行为具有双向反馈机制.     

对于预测上海股市股指波动性的数量模型的比较

目前对于随时间而变化的波动性预测模型主要有两类:一类是假设波动性的变化是一个确定性过程的GARCH模型,另一类是假设波动性的变化是一个随机性过程的随机波动模型.本文同时将这两类模型(GARCH(1,1)模型及其特例RiskMetrics模型,随机波动模型)应用于上海股市中,通过对样本外区间的预测准确度来衡量这两类模型对我国股市波动性的预测能力.通过4个预测准确度指标,MS模型对于上证指数在样本外区间的预测相对于另外两个模型而言都是显著最佳的.RiskMetrics模型的表现则要优于GARCH(1,1),且RiskMetrics在实际运用中要方便的多.