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.     

广义自回归条件异方差模型加速模拟定价理论

研究了广义自回归条件异方差(GARCH)模型下方差衍生产品的加速模拟定价理论.基于Black-Scholes模型下的产品价格解析解以及对两类标的过程的矩分析,提出了一种GARCH模型下高效控制变量加速技术,并给出最优控制变量的选取方法.数值计算结果表明,提出的控制变量加速模拟方法可以有效地减小Monte Carlo模拟误差,提高计算效率.该算法可以方便地解决GARCH随机波动率模型下其他复杂产品的计算问题,如亚式期权、篮子期权、上封顶方差互换、Corridor方差互换以及Gamma方差互换等计算问题.     

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.     

欧式敲入期权的蒙特卡洛定价法改进――蒙特卡洛重要抽样法

作为界限期权之一的欧式敲入期权,用普通的蒙特卡洛模拟法定价并不能有效地减小样本估计方差,影响了估计的精确度,而最新发展起来的蒙特卡洛重要抽样法克服了这一难题。介绍了蒙特卡洛重要抽样法及其基本思想,并开创性地将该方法应用到欧式敲入期权的定价过程,将结果与普通蒙特卡洛模拟结果对比,有效验证了该方法在界限期权定价中的优越性。     

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。     

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。     

SWR算法在期权定价中的应用

本文首先借鉴Schwarz波形松弛算法求解热传导方程的思路分析了SWR算法在欧式期权定价问题中的可行性,然后将欧式看涨期权定价问题转换为一类热传导方程的初-边值问题,通过Schwarz迭代方法获得了相应的误差方程,进而给出了算法误差的收敛性结果及算法的流程.数值实验表明,与经典的欧式期权定价公式相比,本算法具有更好的估计效果.     

离散障碍期权定价的蒙特卡罗模拟

利用蒙特卡罗模拟方法对离散障碍期权进行定价,并结合对偶抽样、条件期望、重要性抽样3种方差缩减技术降低模拟方差。设计数值实验针对离散障碍期权进行定价分析,比较了各种模拟方法的方差缩减效率。结果表明利用对偶抽样、条件期望、重要性抽样3种方差缩减技术的蒙特卡罗模拟方法能够对离散障碍期权进行稳定的定价。     

基于深度学习的篮子期权定价数值算法

在标的资产价格服从Heston模型的条件下,对欧式篮子期权定价问题进行了研究。推导出篮子期权价格满足的偏微分方程,利用基于深度学习的倒向随机微分方程求解算法,克服维度诅咒,得到了篮子期权价格的近似数值解。通过与蒙特卡罗结果的对比,表明该算法克服了维度灾难,在高维情况下是准确且稳定的,为期权定价研究提供了新的方向。     

随机波动率下障碍期权定价的对偶MonteCarlo模拟

为了克服经典BS模型隐含波动率的"微笑"效应,本文假定标的股票价格服从随机波动率模型,使之与市场价格更加符合,并应用对偶Monte Carlo模拟方差减小技术分别模拟出股价波动率过程和股票价格过程的路径,给出了欧式障碍期权定价的具体算法,求出了下降敲出欧式看涨障碍期权价格的估计量。最后,通过期权价格的二叉树数值解与近似公式解验证对偶Monte Carlo模拟数值解的准确性。     

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.     

常方差弹性系数模型下波动率指数期权定价

作为对冲市场波动率变动风险的波动率指数期权,其定价问题一直受到广泛的关注.为了对其进行定价,首先构建服从常方差弹性系数模型的指数价格柳树,然后根据指数价格柳树确定柳树节点上相应波动率指数的值从而得到波动率指数柳树,最后在波动率指数柳树上运用倒向递归的方法得到波动率指数期权的价格.所给出柳树法定价波动率指数期权的方法,其结果随着柳树空间节点数的增加快速逼近嵌套蒙特卡罗模拟的结果,当柳树空间节点数超过200时,柳树法给出的结果具有相当高的精度.     

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。     

随机波动率与跳模型下股价的分析与模拟

运用随机微分方程和Monte Carlo模拟, 建立并检验带Poisson跳且波动率服从CIR过程的股票价格模型, 给出了该模型下股票价格的表达式及股票收益率的均值和方差. 数值计算表明, 该模型下股票的收益率更具尖峰厚尾的特征.     

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.     

基于MCMC的贝叶斯长记忆随机波动模型研究

针对贝叶斯长记忆随机波动模型的单步Gibbs抽样算法效率低下的问题,通过对模型在状态空间框架下的近似表示,将向前滤波向后抽样算法引入对波动变量的估计过程中,同时在贝叶斯框架下分析了模型参数的满条件后验分布,设计出Gibbs联合抽样算法.更进一步,在对模型进行参数估计的基础上,提出波动变量的向前多步预报分布的估计方法.模...     

用Velocity Verlet积分器改进HMC抽样方法

Hamilton Monte Carlo (HMC) 方法是一种常用的快速抽样方法. 在对哈密尔顿方程进行抽样时,HMC方法使用Leapfrog积分器,这可能造成方程的位置和动量的迭代值在时间上不同步,产生的误差会降低抽样效率及抽样结果的稳定性. 为此,本文提出了IHMC（Improved HMC）方法,该方法用Velocity Verlet积分器代替Leapfrog积分器,在每次迭代时都计算两变量在同一时刻的值. 为验证方法的效果,本文进行了两个数值实验,一个是将方法应用于非对称随机波动率模型（RASV模型）的参数估计,另一个是将方法应用于方差伽马分布的抽样. 结果显示,IHMC方法比HMC方法的效率更高,结果更稳定.