本报告提出基于Karhunen–Loève展开的Ornstein–Uhlenbeck驱动随机波动率模型的全新精确模拟方案。通过将OU过程的隐含波动率路径表示为正弦级数,并解析推导波动率及方差的时间积分为独立正态变量之和,实现了比现有方法快数百倍的计算效率。结合条件蒙特卡洛和鞅保留控制变量技术,进一步降低模拟方差,提高期权定价精度,为路径依赖金融衍生品定价提供了高效工具。
报告提出一种新的基于KL展开的精确模拟方案,用于OUSV模型。相比先前Li和Wu (2019)的精确模拟方法,该新方法通过将波动率轨迹用正弦级数表示,且分析推导出波动率及方差的时间积分为独立正态随机变量的和,极大地加速了模拟过程,速度提升数百倍。方法还结合条件蒙特卡洛和保持鞅控制变量进一步提升数值性能。此新模拟方案效率大幅领先,易于实际应用,填补了OUSV模型模拟计算效率上的瓶颈, 1]。
模型定义价格St与波动率σt:
StdSt=rdt+σt(ρdZt+1−ρ2dWt),dσt=κ(θ−σt)dt+ξdZt,Zt与Wt为独立标准布朗运动。
定义波动率时间平均 U0,T=T1∫0Tσtdt 和方差时间平均 V0,T=T1∫0Tσt2dt,它们对模拟至关重要。
条件于(σT,U0,T,V0,T),终端价格ST服从对数正态,且均值与方差有明确解析表达式(见Li和Wu 2019命题1,公式(5)-(6))。
因此模拟关键在于从三元组(σT,U0,T,V0,T)采样。Li和Wu (2019)通过联立正态分布采样σT和U0,T,再通过复杂傅里叶逆变换采样V0,T,计算量大, 2]。
引入辅助变量简化过程:
本文系统提出并实现了基于Karhunen–Loève展开的OUSV模型精确模拟新方法。核心创新在于:
综上,本文不仅理论架构严谨、表达清晰,也通过具体数值结果验证了方法实用价值,代表了随机波动率模型模拟技术的一大进步。
本文引用多部经典及近年文献,如Li和Wu (2019)的原始OUSV精确模拟方法,KL展开相关理论文献(Daniluk和Muchorski, 2016),Heston模型的相关模拟优化等,为研究提供了坚实的学术基础和技术借鉴。
本文结构完整,理论与实证紧密结合,呈现出高效、可操作、数学严谨的随机波动率精确模拟新方案,突出了KL展开在金融模型随机过程数值化中的强大功能。配图及数值表格充分支撑论证,体现了对模拟工具开发的深入理解与创新,对金融工程、数量金融领域尤具参考价值。
2402.09243.pdf