Option Pricing के लिए Feynman–Kac Formula: व्याख्या
जानें कि Feynman–Kac linear pricing PDEs को discounted conditional expectations से कैसे जोड़ता है, जिसमें generators, cash flows, numerics और limits शामिल हैं
सीधा जवाब
Feynman–Kac formula suitable linear parabolic PDE solution को diffusion paths पर conditional expectation के रूप में लिखती है। Finance में यह pricing equation को expected discounted terminal और running cash flows में बदलती है
Diffusion generator local evolution तय करता है
मान लें dX_s = b(s,X_s)ds + σ(s,X_s)dW_s और इसका generator Lφ = b∂_xφ + 1/2σ²∂_{xx}φ है
Generator state के smooth functions के infinitesimal conditional change का सार देता है
यह path model को differential equation से जोड़ता है, लेकिन यह दावा नहीं करता कि nowhere-differentiable path का ordinary derivative होता है
Backward PDE terminal condition से शुरू होती है
∂_t u + Lu - r u + f = 0 को terminal value u(T,x) = g(x) के साथ लें
यहाँ g terminal payoff है, r killing या discount rate है और f running source है, जिसका sign stated PDE convention पर निर्भर है
क्योंकि terminal data T पर ज्ञात है, state diffusion forward evolve होने पर भी valuation backward काम करती है
Conditional expectation representation देती है
Regularity और integrability conditions में u(t,x), discounted g(X_T) और discounted accumulated f की conditional expectation के बराबर है
D_{t,s} = exp(-∫_t^s r(v,X_v)dv) के साथ representation है E[D_{t,T}g(X_T) + ∫_t^T D_{t,s}f(s,X_s)ds | X_t=x]
D_{t,s}u(s,X_s) पर Itô formula लगाने से उसका drift minus source term बनता है, और expectations लेने पर identity मिलती है
Discounting operator का हिस्सा है
Constant short rate familiar factor e^{-r(T-t)} देता है, लेकिन state-dependent rates के लिए pathwise integral चाहिए
Running dividends, coupons, costs या source terms time integral के माध्यम से आते हैं; उन्हें terminal payoff में छिपाया नहीं जाता
PDE में signs बदलने से representation बदल जाती है, इसलिए operator, terminal condition और time direction को एक package की तरह copy करें
Risk-neutral option pricing special case है
Valid pricing measure में discounted traded asset dynamics L तय करती हैं और derivative value associated pricing PDE solve करती है
Running payments के बिना European claim की price उसके discounted terminal payoff की conditional expectation है
Black–Scholes इस bridge का एक instance है, Feynman–Kac की definition नहीं और हर market के complete होने का evidence नहीं
PDE और Monte Carlo एक ही value target करते हैं
Finite differences grid पर backward equation solve करते हैं, जबकि Monte Carlo forward-path expectation estimate करता है
Independent implementations के बीच agreement signs, discounting, boundary conditions और sampling error की शक्तिशाली जाँच है
Low-dimensional surfaces और boundaries के लिए PDE methods चुनें; जब states या path functionals grids को महँगा बनाएं, तब simulation चुनें
Theorem के conditions और boundaries होती हैं
Classical statements coefficients, growth, regularity, integrability और uniqueness पर conditions माँगती हैं; weaker viscosity versions scope बढ़ाती हैं
American exercise obstacle या variational inequality बनाती है, और nonlinear funding या control problems plain linear formula में fit नहीं होतीं
Jumps diffusion PDE को integro-differential equation से बदलते हैं, जबकि path dependence में state बढ़ाना या दूसरी methods चाहिए
आम सवाल
सरल शब्दों में Feynman–Kac formula क्या कहती है?
यह कहती है कि एक निश्चित differential-equation value को related random process के discounted outcomes का average लेकर निकाला जा सकता है
Pricing PDE backward क्यों solve की जाती है?
Payoff maturity पर specified होता है, इसलिए terminal value ज्ञात होती है और current value को आज की ओर propagate किया जाता है
क्या Feynman–Kac risk-neutral pricing के समान है?
नहीं। Risk-neutral modeling pricing measure और generator देती है; Feynman–Kac उसके linear PDE और expectation को जोड़ती है
क्या standard formula American options price करती है?
सीधे नहीं। Early exercise equality को obstacle problem या optimal-stopping representation में बदल देती है