加速 rough Bergomi 模型的 Monte Carlo 定价
计算金融
2021-01-06 v3 证券定价
摘要
由 Bayer, Friz 和 Gatheral [Quant. Finance 16(6), 887-904, 2016] 提出的 rough Bergomi 模型是近期的一种 rough 波动率模型，该模型与隐含波动率曲面本质时间不变的典型事实相一致，并能够捕捉股票市场中观察到的偏度期限结构。在缺乏该模型的解析式欧式期权定价方法的情况下，我们专注于降低 Monte Carlo 隐含波动率的运行时间调整方差，从而为通过模拟进行模型校准做出贡献。我们采用了一种新颖的方差降低方法组合，可直接应用于任何条件对数正态随机波动率模型。假设目标是以给定的置信度估计隐含波动率，从而确定校准的 RMSE，我们所展示的结果相当于显著的运行时间减少——在不同的相关性机制下平均约 20 倍。
引用
@article{arxiv.1708.02563,
title = {Turbocharging Monte Carlo pricing for the rough Bergomi model},
author = {Ryan McCrickerd and Mikko S. Pakkanen},
journal= {arXiv preprint arXiv:1708.02563},
year = {2021}
}
备注
16 pages, 10 figures, v3: minor amendments and reformatted