أخذ عينات الأهمية لتسعير خيارات هيستون في حالات الأحداث النادرة

الملخص

يضع هذا البحث أساليب لأخذ عينات الأهمية لتسعير خيارات الشراء الأوروبية ضمن نموذج هيستون للتقلب العشوائي في حالتين قد يتسم فيهما مونت كارلو العادي بتباين مرتفع: آجال الاستحقاق القصيرة جدًا وأسعار التنفيذ البعيدة جدًا عن السعر الحالي. وباستخدام تحليل الانحرافات الكبيرة لدالة توليد العزوم للوغاريتم السعري، يبني البحث تغييرًا لمقياس الاحتمال يعتمد على الحالة ويهدف إلى زيادة احتمال أحداث التسعير النادرة في المحاكاة.

في حالة الآجال القصيرة، يبرهن الباحثون الكفاءة اللوغاريتمية عبر إظهار أن الانجراف المقترح يقلل معدل الاضمحلال التقاربي للعزم الثاني للمقدّر. وبالنسبة إلى الخيارات البعيدة جدًا عن السعر الحالي، يقدمون تحجيمًا يتباطأ فيه رجوع التباين إلى المتوسط مع ازدياد لوغاريتم نسبة السعر إلى سعر التنفيذ، ثم يستخدمون تحليل ريكاتي لإثبات الخصائص التقاربية للطريقة. وتذكر التجارب العددية انخفاضات في التباين بعدة مراتب من المقدار مقارنة بالمقدّرات القياسية في كلتا الحالتين. وتتعلق هذه الاستنتاجات بالحالات التقاربية المحددة؛ ولا يقدم المقتطف تفاصيل التنفيذ أو مقارنات بأسواق خيارات بعينها أو أدلة على الأداء خارجها.

الأفكار الرئيسية

• تستهدف طرق أخذ عينات الأهمية المقترحة أحداثًا نادرة عالية التباين في تسعير خيارات هيستون قصيرة الأجل وبعيدة جدًا عن السعر الحالي.
• يُشتق تغيير لمقياس الاحتمال يعتمد على الحالة باستخدام سلوك الانحرافات الكبيرة لتوزيع لوغاريتم السعر.
• يثبت البحث الكفاءة اللوغاريتمية للانجراف المقترح في حالة الآجال القصيرة.
• للخيارات البعيدة جدًا عن السعر الحالي، تستخدم الطريقة تحجيمًا يبطئ رجوع التباين إلى المتوسط وتحليل ريكاتي متخصصًا.
• تذكر التجارب العددية انخفاضًا كبيرًا في التباين مقارنة بالمقدّرات القياسية في كلتا الحالتين.

الوسوم

# Efficient Importance Sampling under Heston Model: Short Maturity and Deep Out-of-the-Money Options


# Efficient Importance Sampling under Heston Model: Short Maturity and Deep Out-of-the-Money Options









This paper investigates asymptotically optimal importance sampling (IS) schemes for pricing European call options under the Heston stochastic volatility model. We focus on two distinct rare-event regimes where standard Monte Carlo methods suffer from significant variance deterioration: the limit as maturity approaches zero and the limit as the strike price tends to infinity. Leveraging the large deviation principle (LDP), we design a state-dependent change of measure derived from the asymptotic behavior of the log-price cumulant generating functions. In the short-maturity regime, we rigorously prove that our proposed IS drift, inspired by the variational characterization of the rate function, achieves logarithmic efficiency (asymptotic optimality) by minimizing the decay rate of the second moment of the estimator. In the deep OTM regime, we introduce a novel slow mean-reversion scaling for the variance process, where the mean-reversion speed scales as the inverse square of the small-noise parameter (defined as the reciprocal of the log-moneyness). We establish that under this specific scaling, the variance process contributes non-trivially to the large deviation rate function, requiring a specialized Riccati analysis to verify optimality. Numerical experiments demonstrate that the proposed method yields substantial variance reduction--characterized by factors exceeding several orders of magnitude--compared to standard estimators in both asymptotic regimes.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.