نمونه‌گیری اهمیت برای قیمت‌گذاری اختیار هستون در رویدادهای نادر
خلاصه
این مقاله روش‌های نمونه‌گیری اهمیت را برای قیمت‌گذاری اختیار خرید اروپایی تحت مدل نوسان تصادفی هستون در دو وضعیتی توسعه می‌دهد که در آن‌ها مونت‌کارلوی معمولی می‌تواند واریانس بالایی داشته باشد: سررسیدهای بسیار کوتاه و قیمت‌های اعمال بسیار دور از سود. با استفاده از تحلیل انحرافات بزرگ تابع مولد تجمعی لگاریتم قیمت، تغییر اندازه‌ای وابسته به وضعیت می‌سازد تا رخدادهای نادر قیمت‌گذاری در شبیه‌سازی محتمل‌تر شوند.
برای سررسیدهای کوتاه، نویسندگان با نشان‌دادن اینکه رانش پیشنهادی‌شان نرخ افت مجانبی گشتاور دوم برآوردگر را کمینه می‌کند، کارایی لگاریتمی را اثبات می‌کنند. برای اختیارهای بسیار دور از سود، مقیاسی معرفی می‌کنند که در آن با افزایش لگاریتم فاصله قیمت از قیمت اعمال، بازگشت میانگین واریانس کندتر می‌شود؛ سپس با تحلیل ریکاتی ویژگی‌های مجانبی روش را به دست می‌آورند. آزمایش‌های عددی در هر دو وضعیت، کاهش واریانس چند مرتبه بزرگی نسبت به برآوردگرهای استاندارد را گزارش می‌کنند. این نتیجه‌گیری‌ها به وضعیت‌های مجانبی بیان‌شده مربوط‌اند؛ این بخش جزئیات پیاده‌سازی، مقایسه با بازار مشخص اختیارها یا شواهدی درباره عملکرد خارج از آن وضعیت‌ها ارائه نمی‌کند.
ایده‌های کلیدی
- روش‌های پیشنهادی نمونه‌گیری اهمیت، رویدادهای نادر با واریانس بالا را در قیمت‌گذاری اختیار هستون با سررسید کوتاه و بسیار دور از سود هدف می‌گیرند.
- تغییر اندازه وابسته به وضعیت با استفاده از رفتار انحرافات بزرگ توزیع لگاریتم قیمت استخراج می‌شود.
- مقاله در وضعیت سررسید کوتاه، کارایی لگاریتمی رانش پیشنهادی را اثبات می‌کند.
- برای اختیارهای بسیار دور از سود، روش از مقیاس‌بندی کندِ بازگشت میانگین واریانس و تحلیل تخصصی ریکاتی استفاده می‌کند.
- آزمایش‌های عددی در هر دو وضعیت کاهش چشمگیر واریانس نسبت به برآوردگرهای استاندارد را گزارش می‌کنند.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.