一篮子货币期权定价问题解的近似公式

来源 :北京工业大学 | 被引量 : 0次 | 上传用户:cxn0371
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在金融学研究领域中,一篮子货币期权是一类重要的多资产欧式期权,通常用于多种国际货币的交易。这类期权,在数学上可以用著名多维BlackScholes方程来描述(详见文献[1])。所谓多维Black-Scholes方程,就是下列二阶偏微分方程这里Si是第i个国际货币的汇率,V=V(S1,S2,···,Sn,t)是基于国际货币的汇率S1,S2,···,Sn的期权价格,常数qi∈(0,+∞)是原生资产Si的红利率,常数r∈(0,+∞)是无风险利率,并且二阶导数项系数具有下列表达式其中σij称为波动率,m和n是两个给定的正整数。进一步地,一篮子货币期权在期权到期日t=T收益具有下列表达式常数K∈(0,+∞)是由不同国际货币交易费的比率决定的加权平均汇率,常数αi∈(0,1)是第i种汇率Si在一篮子货币中所占比例且具有下列性质矩阵理论告诉我们:Black-Scholes方程中的二阶导数项系数矩阵的秩等于n,或者小于n.本文对这两种情形分别进行了讨论。第I种情形:矩阵(aij)n×n的秩等于n。此时,矩阵(aij)n×n是一个对称正定矩阵,并且det(aij)n×n>0。第II种情形:矩阵(aij)n×n的秩小于n。此时,矩阵(aij)n×n是一个对称半正定矩阵,并且det(aij)n×n=0。姜礼尚教授(见文献[1]-[2])针对第I种情形即det(aij)n×n>0的情形,通过精细计算得到了一篮子货币期权定价问题解的Black-Scholes公式。这个BlackScholes公式,是一个被积函数带有奇性的n重积分。随后,姜礼尚教授(见文献[1]-[2])又在附注(见文献[1]第218页)中进行了下列阐述:“任何多资产欧式期权定价都有显式表达式,但这是一个被积函数带有奇性的多重积分,如果原生资产的个数比较多,也就是说,当这个多重积分的重数比较高时,这个积分值的计算仍是一个很困难的问题。因此必须考虑寻找更加有效的可行的算法。从这个意义上来讲,对于多资产欧式期权定价,有显式表达式只是解决问题的第一步。要真正解决这个问题还必须针对问题作具体分析,尽可能找到简化的办法。”接下来,姜礼尚教授(见文献[1]-[2])还明确指出(见文献[1]第225页):“根据投资组合理论,一篮子风险资产的波动率一般来说相对比较小”。有关“一篮子货币汇率的波动率相对比较小”的实证结果,还可以在文献[3]中找到(见文献[3]之第20-22页)。基于上述原因,本文探索了一篮子货币期权定价问题在波动率较小情况下解的近似公式,达到了简化计算的目的。具体地说,在第一章中,我们介绍了一篮子货币期权定价问题的研究背景和研究意义。此外,还作为铺垫指出了一些本文常用的基本知识。在第二章中,我们讨论了第I种情形即det(aij)n×n>0情形。在这种情形下,多维Black-Scholes方程是一个倒向抛物方程,因此立多维Black-Scholes公式。首先,我们引入了一个波动率参数。其次,我采用了包括磨光算子在内的技巧,克服了终值函数无界而且一阶偏导数出间断而带来的困难,找到了在波动率参数较小情形一篮子货币期权定价题解的近似公式,简化了多维Black-Scholes公式,进而达到了简化计算的的。在第三章中,我们讨论了第II种情形即det(aij)n×n=0情形。在这种情下,Black-Scholes方程已经不再是倒向抛物方程了,当然相应的一篮子货币权定价问题解的Black-Scholes公式也就不存在了,甚至连相应的一篮子货币权定价问题古典解都不存在了。首先,我们引入了一个波动率参数。其次,们采用了包括磨光算子和一致估计在内的分析技巧,既克服了终值函数无界且一阶偏导数出现间断而带来的困难,又克服了多维Black-Scholes方程不再倒向抛物方程而带来的困难,定义了一类广义解,得到了这类广义解的存性,证明了这类广义解的唯一性,依然得到了这类广义解的近似公式,达到广义解依然可以简化计算的目的。在第四章中,我们举例进行了数值计算,且还进行了实证分析。这些数值计算和实证分析充分说明,本文得到的近似式具有一定的可靠性,因而具备一定的应用价值。总之,本文不仅具有明确的金融意义,而且还具有一定的理论意义和应用价值,可以为投资者提供参考。
其他文献
胰腺癌(pancreatic cancer,PC)是一种恶性程度极高的消化道肿瘤,在恶性肿瘤引起的死亡率中排名为第七,其发病率呈现逐年上升趋势。直至目前,患者的5年生存率仍然达不到30%,所以展开胰腺癌的形成和进展机制研究极为重要。TSPAN1(Tetraspanins 1)属于四跨膜区域超蛋白家族(transmembrane4-superfamily,TM4SF)的一员,研究发现TSPAN1在胰
学位
深度学习(Deep Learning,DL)基于多层网络结构来提取数据中的层次化特征,可使计算机通过简单概念构建复杂概念。与传统的机器学习不同,DL可在数据中抽取有效的特征表示,获得较高的处理性能,因此,它在多个领域获得了广泛的应用。深度信念网络(Deep belief network,DBN)受人脑认知推理过程启发产生,是迄今为止DL应用最为成功的深度模型之一,它由若干个受限玻尔兹曼机(Rest
学位
发展安全、高效的锂离子电池是解决我国环境和能源危机的重要途径,也是实现电能资源合理配置和产业升级的必由之路。MoS2等过渡金属硫族化合物(TMCs)通常具有转换-赝电容协同嵌锂(吸附)机制,且片状结构能够缓冲充放电过程中的体积变化,是一类优良的锂离子电池负极材料,但循环稳定性差是其现阶段亟待解决的首要问题。一般认为,导电性差和体积膨胀率高导致了循环寿命问题。由于MoS2的失效机制缺乏更加系统的研究
学位
煤在低温氧化过程中,一旦脱水升温会加速,甚至发生自燃,但是水份在其中的影响作用机理尚不清晰,因此研究水份在此过程中的影响作用机理对煤自燃灾害预测预报和防治都具有重要意义。通过干燥称重和工业分析测试了煤中水份,分析了其主要影响因素。煤中外水和部分可室温干燥脱除内水是自由水,其余室温干燥不可脱除水是结合水。自由水含量受煤的性质、外部环境、开采技术条件等因素影响,其他条件相同时,与表面裂隙占比正相关。常
学位
可见光氧化还原催化反应和有机电化学催化合成反应均通过单电子转移过程产生活性自由基或自由基离子,光化学催化以“光子”作为反应试剂,有机电化学催化以“电子”作为清洁的试剂。由于相似的活化方式,许多在光化学催化条件下实现的化学转化在电化学条件下也可以实现,反之亦然。然而,光化学催化合成和有机电化学催化合成方法经常被认为是一种竞争的策略。光电化学结合的催化合成策略在化学转化中的独特优势,通过一系列具有实例
学位
超分子自组装化学是一门快速发展的交叉学科,它涵盖了化学、生物学、物理学等特征,并且已经逐渐发展到新的科学领域。在本文中,我们科学的设计合成了十种同功能性有机配体,通过运用配位驱动自组装的思想和金属组装子导向可编程自组装的方法,报道合成了一系列基于功能性配体的超分子配合物,这些功能化的金属有机超分子化合物在光功能材料、催化等方面有着潜在的应用。在第二章中,我们设计合成了两种新颖的蒽基双(β-二酮)配
学位
人工神经网络是模拟人脑信息处理过程的智能计算系统,因具有自我学习和良好的非线性逼近能力,在非线性系统建模中得到广泛的应用。但在实际应用中,很多实际过程是复杂的非线性动态过程,具有复杂性、非线性、不确定性、时变性等特征,单一神经网络存在灾难性遗忘问题,无法有效学习所有样本等问题,因此非线性动态系统的建模和预测是神经网络模究的难点和热点之一。模块化神经网络是基于大脑的“模块化”特征设计的,可以有效提高
学位
模型平均是近年来统计学研究的热点话题,它主要利用一定的权重将来自不同模型的估计或预测组合起来.通过选取适当的权重,可以有效地提高估计或预测的精度.模型平均主要分为贝叶斯模型平均(Bayesian model averaging,BMA)和频率模型平均(Frequentist model averaging,FMA)两类.由于BMA需要确定各模型的先验概率,因此,越来越多的学者关注FMA.对FMA的
学位
非凸优化问题被广泛应用于在深度学习、仿真和金融分析与预测等领域。非线性最小二乘问题、二次规划问题、秩极小化问题、深度学习中的复杂损失函数极小化问题等都是非凸优化问题。本文基于DC(difference of convex functions,简称DC)框架重点研究了非凸优化中两类重要问题——二次指派问题(Quadratic Assignment Problem,简称QAP)和稀疏Envelope估
学位
脑电(EEG)信号分类技术的突破,将引发人机交互技术的又一次技术革命,这将对医疗保健、智能汽车和仿人机器人产生重要影响,更为脑部疾病的诊断和治疗提供有效的参考,脑电信号的分类准确率的提升成为脑电信号处理关键。本文以脑电信号处理和机器学习理论为基础,以构建更高准确率的脑电信号的分类识别模型为目标,围绕脑电信号分析处理中的预处理、特征提取、分类识别三个过程中遇到的问题,分别结合改进的自适应滤波算法、非
学位