Carr–Madan Fourier Option Pricing की व्याख्या
जानें कि Carr–Madan damping, complex-shifted characteristic functions, FFT grids और numerical error controls option prices कैसे बनाते हैं
सीधा जवाब
Carr–Madan pricing call-price function को exponential damping factor से multiply करती है ताकि उसका usable Fourier transform हो। फिर shifted characteristic function transform देती है और FFT एक साथ log-strike prices निकाल सकती है
यह method pricing engine है, model नहीं
Carr–Madan terminal log price की risk-neutral characteristic function और log strikes पर European call-price function से शुरू होता है
यह उसी discounted expectation को Fourier space में reorganize करता है, जहाँ convolution जैसे calculations products और regular integrals बन जाते हैं
यह method volatility, jumps या risk premia तय नहीं करती; ये model-specific characteristic function से आते हैं
Damping call-price transform को सुधारती है
जब log strike k negative infinity की ओर जाता है, call forward-जैसे intrinsic region के पास आती है और सभी k पर integrable नहीं रहती
उपयुक्त positive α से C(k) को e^{αk} से multiply करने पर required moment condition के अंतर्गत damped function दोनों ends पर decay करती है
Damping parameter analytical machinery है, market preference या calibrate किया जाने वाला extra model parameter नहीं
Complex shift price और distribution को जोड़ता है
एक common convention में e^{αk}C(k) के Fourier transform में log-price characteristic function u−i(α+1) पर आती है
Transformed call payoff के denominator में α और frequency u होते हैं; Fourier convention या log-price definition बदलने पर signs बदलते हैं
इस complex shift के लिए E[S_T^{α+1}] finite होना चाहिए, इसलिए मनमाना बड़ा α model के moment domain से बाहर जा सकता है
FFT grids की एक linked pair बनाती है
Integral को हर strike के लिए अलग evaluate कर सकते हैं, जबकि FFT regularly spaced log strikes की strip को एक operation में evaluate करती है
N points के साथ frequency spacing η और log-strike spacing λ का reciprocal relation होता है, जिसे सामान्यतः λη=2π/N लिखा जाता है
Fixed N पर wider strike range का अर्थ coarser spacing है, इसलिए coverage और resolution independently नहीं चुने जा सकते
कई errors model behavior जैसी दिख सकती हैं
Infinite frequency integral को truncate करने से tail error आता है, और उसे discretize करने से quadrature error आता है
Discrete transform में implicit periodic extension aliasing बनाती है, जबकि off-grid strikes interpolation error जोड़ते हैं
कुछ settings में Simpson weights quadrature सुधार सकती हैं, लेकिन insufficient range, invalid moments या unstable characteristic function को ठीक नहीं करतीं
Alpha को moment strip के अंदर चुनें
Alpha payoff को damp करने के लिए पर्याप्त बड़ा, लेकिन shifted characteristic function के अस्तित्व और numerical stability के लिए पर्याप्त छोटा होना चाहिए
अच्छे choices maturity, model parameters, tail behavior और transform convention पर निर्भर हैं; एक universal alpha guaranteed नहीं है
Admissible alpha values का interval test करें और एक output optimize करने के बजाय target tolerance के भीतर price agreement मांगें
Production use के लिए independent checks चाहिए
पहले Black–Scholes prices recover करें, फिर put–call parity, strike monotonicity, convexity, bounds और martingale condition test करें
N, integration range और precision को अलग-अलग बढ़ाकर convergence पहचानें, सभी controls को एक साथ न बदलें
Selected strikes की direct quadrature और दूसरी pricing method से तुलना करें; speed तभी मायने रखती है जब error budget समझ में आ जाए
आम सवाल
Carr–Madan method क्या calculate करती है?
यह risk-neutral characteristic function और Fourier inversion से European option prices calculate करती है, अक्सर एक साथ कई strikes पर
Call price को damp क्यों करते हैं?
Undamped call-price function सभी log strikes पर integrable नहीं होती, इसलिए exponential damping उसे usable Fourier transform देती है
क्या FFT जरूरी है?
नहीं। Carr–Madan integral direct quadrature से evaluate हो सकती है; FFT अपनी constraints वाली efficient grid implementation है
Alpha कैसे चुनें?
इसे model के finite-moment domain के अंदर चुनें, फिर reasonable admissible range और numerical settings में price stability verify करें