الانتقال إلى المحتوى
جميع مستندات المكتبة

تسعير الخيارات الأمريكية الاصطناعية من مسارات العوائد بحسب الأنظمة

مقال arXiv papers · المؤلف: Julia Sun et al.

الملخص

يعالج الإطار الدوران المنطقي في توليد الخيارات الاصطناعية: فعادة ما يُستدل على التقلب الضمني من أسعار الخيارات المرصودة، بينما تحتاج الأسعار الاصطناعية إلى إدخال التقلب الضمني. ويولد أولًا مسارات للأسهم متعددة الأصول باستخدام نموذج ماركوف المخفي ذي القفزات، ثم يشتق مسارات التقلب الضمني عبر عملية تباين هِستون معدلة. ويتغير هدف التباين بحسب النظام والوقت المتبقي حتى الانتهاء ودرجة قرب السعر من سعر التنفيذ ومؤشر مزاج السوق. ثم تسعّر شبكة ثنائية الحدين متلاقية الخيارات الأمريكية، بتهيئة خاصة بسعر التنفيذ وتاريخ الانتهاء يُراد بها إنتاج ابتسامة التقلب وانحرافه وبنيته الزمنية دون معايرة خارجية.

تُطوّر دالة الشكل انطلاقًا من خط أساس معلمي، عبر نماذج عصبية بديلة مشتركة عالميًا وأخرى خاصة بالقطاعات. وفي اختبار زمني خارج العينة، كانت أحداث الشركات المجدولة المصدر الرئيسي لخطأ التعميم؛ واستعادت سمات البعد الزمني عن إعلان الأرباح والشركات النظيرة في القطاع نفسه بعض الإشارة الاستباقية. ويطبق المؤلفون النهج على عقود فعلية قريبة من سعر التنفيذ، ويذكرون توليد تقلب مشروط بالمسار ومقاييس غريكس للخيارات الأمريكية ونتائج لعلاوة البيع، مع استخدام أصل أساسي ثانٍ لفحص المتانة. وتقتصر الأدلة على الحالات والأصول الموصوفة، لذا لم يثبت الأداء على نطاق أوسع.

الأفكار الرئيسية

  • يولد نموذج ماركوف المخفي ذي القفزات مسارات للأسهم تتضمن تغير الأنظمة واعتمادًا متبادلًا بين الأصول في الأطراف.
  • تشتق عملية هِستون المعدلة مسارات التقلب الضمني من أنظمة العوائد وخصائص الخيارات.
  • تسعّر شبكة ثنائية الحدين الخيارات الأمريكية انطلاقًا من سطح التقلب الناتج.
  • تقدر النماذج العصبية البديلة شكل التقلب على المستويين العالمي والقطاعي.
  • يحدد اختبار زمني خارج العينة أحداث الشركات المجدولة مصدرًا رئيسيًا لخطأ التوقع.

الوسوم

النص الكامل
# Synthetic American Option Pricing via Jump-HMM-Driven Heston Implied Volatility


# Synthetic American Option Pricing via Jump-HMM-Driven Heston Implied Volatility









Generating realistic synthetic option prices requires implied volatility as an input, yet implied volatility is itself derived from observed option prices, creating a circular dependency that limits synthetic data for machine-learning and risk-analysis applications. We break this circularity with a pipeline in which implied volatility emerges as an output of a structural model of equity returns. A Jump Hidden Markov Model produces multi-asset price paths with realistic stylized facts and cross-asset tail dependence; a modified Heston variance process, whose mean-reversion target depends on regime state, days to expiration, moneyness, and a market-mood indicator, converts those paths into implied-volatility paths; and a recombining binomial lattice prices American options from the resulting surface. Initializing variance at its mean-reversion target for each strike-expiration pair lets smile, skew, and term structure emerge without external calibration. We calibrate the shape function through a hierarchy spanning a parametric baseline, a globally shared neural surrogate, and a sector-specific neural surrogate fit to a multi-ticker, multi-sector option ladder. A temporal holdout on a multi-day capture isolated scheduled corporate events as the dominant source of test-time generalization error, and calendar-derived earnings-distance and same-sector peer-coupling features recovered the anticipatory portion of that signal. We then apply the framework as a synthetic-data generator on real near-the-money put and call contracts, forward-simulating price paths, and recovering path-conditional implied volatility, finite-difference American Greeks, and terminal short-premium profit and loss from one coherent simulation, and confirm cross-ticker robustness by re-running on a second underlying from a different sector and volatility regime. The framework is released as an open-source Julia package.

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.