加载中...
本文提出并验证了将对偶最优鞅的近似作为控制变量以加速原始(primal)最优停止问题(Bermudan option 定价)的数值求解的思路;通过用由纯对偶算法构造的近似鞅 \hat{M} 去修正 Longstaff–Schwartz 步骤或作为控制变量,可以将 Monte‑Carlo 估计的方差在示例中降低显著(实验上给出约 25 至 10^4 的方差缩减),且最优控制系数 λ 接近 1,表明 \hat{M} 与真实最优鞅 M* 非常接近;论文还给出了用回归分段基(local basis)与子划分时间网格构造 \hat{M} 的具体算法,并提出基于 \hat{M} 构造的随机时间近似策略作为代理停止规则,其与 Longstaff‑Schwartz 得到的停止时间高度一致(见直方图对比)。
| 方法 | 价格 (示例) | 估计 std dev (示例) |
|---|---|---|
| LS(无 VR) | 9.90 | 0.0513 |
| LS + 控制变量 (\hat{M}) | ≈9.9025 | ≈0.0100 |
| 对偶方法(\hat{M} 给出的上界) | 10.3159 | 0.0087 |
元数据与概览(引言与报告概览)
逐节深度解读
图表与图像逐一深度解析
估值方法与 \hat{M} 的构造(附录 B)
风险因素与局限性评估(基于报告内容)
审慎的批判性视角与细微差别
结论性综合
参考报告中相关关键页码:定义与对偶表述见页 0–1,方法与样本分割见页 2–4,Table 1–2 在页 5,Table 3–4 在页 6,Table 5 在页 7,图 1 在页 9,方差分解与 CLT 讨论在页 9–10,\hat{M} 算法详述在附录 B(页 10–12)。,
2602.09950.pdf