نایاب واقعات کے ریجیمز میں ہیسٹن آپشن قیمت بندی کے لیے اہمیت کی سیمپلنگ

خلاصہ

یہ مقالہ ہیسٹن اسٹاکیسٹک اتار چڑھاؤ ماڈل کے تحت یورپی کال آپشنز کی قیمت بندی کے لیے اہمیت کی سیمپلنگ کے طریقے وضع کرتا ہے، دو ایسی صورتوں میں جہاں عام مونٹی کارلو میں واریئنس زیادہ ہو سکتا ہے: بہت مختصر میچورٹی اور بہت زیادہ آؤٹ آف دی منی اسٹرائیکس۔ لاگ قیمت کے کمولیئنٹ جنریٹنگ فنکشن کے بڑے انحراف والے تجزیے سے یہ حالت پر منحصر پیمائش کی تبدیلی بناتا ہے، جس کا مقصد سیمولیشن میں قیمت بندی کے نایاب واقعات کے امکان کو بڑھانا ہے۔

مختصر میچورٹی کے لیے مصنفین دکھاتے ہیں کہ ان کا مجوزہ ڈرفٹ تخمینہ کار کے دوسرے مومنٹ کی اسیمپٹوٹک کمی کی شرح کم سے کم کر کے لوگارتھمک افادیت حاصل کرتا ہے۔ بہت زیادہ آؤٹ آف دی منی آپشنز کے لیے وہ ایک ایسی اسکیلنگ متعارف کراتے ہیں جس میں لاگ مَنی نیس بڑھنے پر واریئنس کی اوسط کی طرف واپسی سست ہوتی ہے، پھر طریقے کی اسیمپٹوٹک خصوصیات قائم کرنے کے لیے ریکاٹی تجزیہ استعمال کرتے ہیں۔ عددی تجربات دونوں ریجیمز میں معیاری تخمینہ کاروں کے مقابلے میں واریئنس میں کئی درجوں کی کمی رپورٹ کرتے ہیں۔ یہ نتائج بیان کردہ اسیمپٹوٹک صورتوں تک محدود ہیں؛ اقتباس نفاذ کی تفصیلات، مخصوص آپشن مارکیٹوں سے موازنہ یا ان سے باہر کارکردگی کا ثبوت نہیں دیتا۔

اہم خیالات

• مجوزہ اہمیت سیمپلنگ کے طریقے مختصر میچورٹی اور بہت زیادہ آؤٹ آف دی منی ہیسٹن آپشن قیمت بندی کے زیادہ واریئنس والے نایاب واقعات کو ہدف بناتے ہیں۔
• لاگ قیمت کی تقسیم کے بڑے انحراف والے رویے سے حالت پر منحصر پیمائش کی تبدیلی اخذ کی گئی ہے۔
• مختصر میچورٹی کے ریجیم میں مقالہ اپنے مجوزہ ڈرفٹ کے لیے لوگارتھمک افادیت ثابت کرتا ہے۔
• بہت زیادہ آؤٹ آف دی منی آپشنز کے لیے طریقہ واریئنس کی سست اوسط واپسی کی اسکیلنگ اور مخصوص ریکاٹی تجزیہ استعمال کرتا ہے۔
• عددی تجربات دونوں ریجیمز میں معیاری تخمینہ کاروں کے مقابلے میں واریئنس میں نمایاں کمی رپورٹ کرتے ہیں۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔