Pont brownien pour la valorisation des options à barrière expliqué
Découvrez comment un pont brownien estime les franchissements de barrière manqués entre les dates d'une simulation Monte Carlo et pourquoi les seuls points d'extrémité peuvent biaiser le prix d'options surveillées en continu
Réponse directe
Un pont brownien conditionne une trajectoire de diffusion continue sur ses points d'extrémité simulés. Dans une simulation Monte Carlo d'une option à barrière, il estime la probabilité que la trajectoire ait franchi une barrière entre deux dates, réduisant le biais créé lorsque des échantillons discrets sont traités comme une surveillance continue
Les points d'extrémité ne révèlent pas tous les franchissements
Supposons qu'un prix simulé soit inférieur à une barrière haute au début et à la fin d'un intervalle d'un jour. La trajectoire continue peut tout de même franchir la barrière et revenir en dessous
Vérifier seulement les points d'extrémité quotidiens ou horaires tend donc à manquer les événements knock-out ou knock-in lorsque le contrat est surveillé en continu
Davantage de pas de temps réduisent cette erreur, mais peuvent être coûteux et laisser malgré tout un biais de surveillance résiduel
Le pont complète l'incertitude conditionnelle de la trajectoire
Pour un mouvement brownien, conditionner sur deux valeurs d'extrémité donne une distribution intermédiaire dont la moyenne suit la ligne droite entre ces deux valeurs
Sa variance est nulle aux deux extrémités et maximale à l'intérieur de l'intervalle. Cette fluctuation conditionnelle est le pont brownien
Après transformation d'une diffusion en une forme appropriée du log-prix, la même idée fournit une probabilité de franchissement intervalle par intervalle dans le modèle indiqué
Un intervalle proche de la barrière a besoin de plus d'une cotation
Imaginez un niveau up-and-out de 110, avec des prix simulés aux extrémités de 104 et 106 sur un intervalle court
Aucun des deux points d'extrémité ne déclenche la barrière. Un ajustement par pont attribue tout de même une probabilité de franchissement positive, car la trajectoire non observée peut monter au-dessus de 110 puis revenir
La probabilité dépend de la distance à la barrière, de la longueur de l'intervalle et de la variance modélisée. Elle ne doit pas être remplacée par un pourcentage fixe [!TRYMARK] Séparez la surveillance de la cible de prix Avant une date d'expiration ou d'événement, enregistrez dans TryMark la barrière, le niveau de l'action, l'hypothèse d'IV, la valeur cible et la règle de surveillance. Une cible fondée sur des contrôles de fin de journée peut différer sensiblement d'un contrat surveillé en continu
Monte Carlo peut utiliser une pondération ou des tirages conditionnels
Une méthode multiplie le payoff de chaque trajectoire par ses probabilités de survie par intervalle. Une autre simule le franchissement au moyen de probabilités de pont
La pondération réduit souvent la variance parce qu'elle évite un tirage binaire supplémentaire, tandis que l'échantillonnage conditionnel peut être utile lorsque l'instant du franchissement influence les flux de trésorerie
Les deux méthodes doivent utiliser la convention d'observation réelle du contrat. Certains produits cotés ne sont surveillés qu'à des moments précis, et non en continu
Un pont est une correction de modèle, pas une certitude de marché
La formule standard suppose une diffusion continue avec les paramètres choisis de volatilité, de taux d'intérêt et de dividendes sur l'intervalle
Les sauts peuvent franchir une barrière d'une manière que le pont continu sous-estime. La volatilité stochastique, la volatilité locale, les dividendes discrets et les limites de prix modifient également le modèle
Validez avec un calcul sur une grille plus fine, mettez à l'épreuve la distance à la barrière et la volatilité, et gardez les conditions juridiques du contrat séparées d'une approximation de simulation pratique
Questions fréquentes
Pourquoi un pont brownien est-il utile pour les options à barrière ?
Il estime si une barrière surveillée en continu a été franchie entre des dates simulées, là où une simulation fondée uniquement sur les points d'extrémité peut manquer l'événement
Un pont brownien rend-il une simulation de barrière exacte ?
Il n'est exact que pour la diffusion continue et la convention de surveillance spécifiées. Les sauts, la volatilité changeante et les détails du contrat peuvent nécessiter un autre modèle
Dois-je simplement ajouter davantage de pas de temps Monte Carlo ?
Des pas plus fins aident, mais le pont peut supprimer une grande partie du biais entre les pas plus efficacement. Il reste judicieux de comparer les deux approches comme contrôle numérique