所有期權指南
用累積量精確近似尾部概率閱讀約15分鐘
期權定價中的鞍點近似詳解
理解鞍點方程、密度與尾部近似、指數傾斜、期權定價用途，以及不可省略的數值檢查
由 Mark 撰寫 · 官方資料列於文末
直接解答
鞍點近似利用累積量生成函數把分佈傾向目標結果，再在該處施加局部高斯修正。當矩生成函數與鞍點在所需區域有效時，它常能準確估計密度和尾部概率；一旦超出變換定義域，這種精度便沒有保證
目標點決定指數傾斜
令M(t)=E[e^{tX}]為矩生成函數，K(t)=log M(t)為累積量生成函數
針對目標x求解鞍點方程K′(t̂)=x，解t̂選擇一個以x附近為中心的指數傾斜
它不像固定在原平均值的正態近似，而是針對每個目標重新構造局部近似
密度由指數項與局部項構成
常見形式為f_X(x)≈exp[K(t̂)−t̂x]/√(2πK″(t̂))，對和或平均值還需調整尺度
指數項衡量移動到x的成本，K″(t̂)提供局部曲率與高斯歸一化
這個結構把鞍點法連接到指數傾斜、最陡下降法與大偏差速率函數
尾部概率需要更精細的公式
直接積分近似密度可能損失精度，尤其是事件遠離平均值時
Lugannani–Rice近似使用變換量w與u，直接修正一個正態尾部概率
t̂接近零時的表面奇點應使用極限公式或穩定展開，不能直接計算互相抵消的項
可以從傾斜尾部構造期權價格
歐式認購期權可寫成貼現尾部期望，因此可用鞍點近似計算行使概率與截斷矩
累積量必須屬於實際使用的風險中性變數，遠期、貼現與收益定義也必須一致
也可積分近似密度，但歸一化與鞅平均值必須檢查，不能預設成立
存在性是首個數值問題
矩生成函數須在t̂附近有限，K須足夠光滑且凸，K″(t̂)須為正
矩爆炸可令所需行使價超出變換定義域，原子概率或邊界也會破壞光滑密度近似
目標不可達、導數尺度不佳，或把數值分支誤認為有效解時，求根同樣會失敗
精確不等於價格合格
即使逐點密度誤差很小，也可能產生負概率、下降的CDF或與遠期不符的終值平均值
組合後的期權價格仍須滿足價格邊界、認沽–認購平價、行使價單調性與凸性
處理一組行使價時，應聯合檢查整條價格曲線，而非逐個接受成功的根
嚴謹實作要能夠自我交叉驗證
驗證K(0)=0、K′(0)對應平均值、K″(0)對應方差，並把數值導數與解析或自動導數比較
在中央和遠端行使價上，用數值積分、Fourier反演或蒙地卡羅比較密度、CDF尾部、截斷矩與價格
記錄變換定義域、根區間、殘差、曲率、平均值附近處理與最終無套利診斷
常見問題
甚麼是鞍點近似？
它是一種把目標點的指數傾斜與累積量生成函數的曲率修正結合起來的漸近方法
為甚麼它在尾部可能表現良好？
因為它在每個目標附近重新置中局部近似，而不是把平均值處的單一高斯近似向外延伸
鞍點接近零時怎麼辦？
這是平均值附近情況，含有互相抵消的1/w與1/u項的公式需要穩定的極限展開
有效鞍點能保證有效期權價格嗎？
不能。最終價格還須保持概率、風險中性遠期、價格邊界、平價、單調性與凸性
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標，讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權