用于GPU上计算衍生品敏感性的拟蒙特卡洛方法
计算金融
2022-09-26 v1
摘要
期权Greeks(希腊值)的计算对风险管理至关重要。传统的pathwise(路径wise)与有限差分方法在更高阶Greeks以及具有不连续收益函数的期权上表现不佳。基于拟蒙特卡洛的条件路径wise方法(QMC-CPW)用于期权Greeks，可有效平滑期权收益函数，从而在计算敏感性时提高效率。文献中还证明了将GPU应用于如计算Greeks等高度可并行化金融问题所带来的计算速度提升。我们将QMC-CPW与基于CUDA平台的GPU仿真相结合。我们估计了三种奇异期权的delta、vega和gamma Greeks：算术亚式、二元亚式和回望期权。不仅通过高达的方差缩减因子展示了QMC-CPW的优势，而且通过使用GPU所提升的计算速度也得以体现：在最精确的方法下，相较顺序CPU实现我们实现了超过x的加速。
引用
@article{arxiv.2209.11337,
title = {Quasi-Monte Carlo methods for calculating derivatives sensitivities on the GPU},
author = {Paul Bilokon and Sergei Kucherenko and Casey Williams},
journal= {arXiv preprint arXiv:2209.11337},
year = {2022}
}
备注
26 pages, 12 figures