Jembatan Brownian untuk Penetapan Harga Opsi Penghalang Dijelaskan
Pelajari bagaimana jembatan Brown memperkirakan penyeberangan penghalang yang terlewat antara tanggal Monte Carlo dan mengapa titik akhir saja dapat membiaskan harga opsi yang terus dipantau
Jawaban langsung
Jembatan Brown mengkondisikan jalur difusi kontinu pada titik akhir simulasinya. Dalam opsi penghalang Monte Carlo, metode ini memperkirakan kemungkinan bahwa jalur tersebut melintasi penghalang antara dua tanggal, sehingga mengurangi bias yang tercipta ketika sampel terpisah diperlakukan sebagai pemantauan berkelanjutan
Titik akhir tidak menunjukkan setiap persimpangan
Misalkan harga yang disimulasikan berada di bawah batas atas pada awal dan akhir interval satu hari. Jalur yang berkesinambungan masih dapat melewati penghalang dan kembali ke bawahnya
Oleh karena itu, hanya memeriksa titik akhir harian atau per jam cenderung melewatkan peristiwa knock-out atau knock-in ketika kontrak terus dipantau
Langkah-langkah yang lebih memakan waktu akan mengurangi kesalahan ini, namun bisa memakan biaya yang mahal dan masih menyisakan bias dalam pemantauan
Jembatan mengisi ketidakpastian jalur bersyarat
Untuk gerak Brown, pengkondisian pada dua nilai titik akhir memberikan distribusi perantara yang meannya mengikuti garis lurus di antara keduanya
Variansnya adalah nol di kedua titik akhir dan terbesar di dalam interval. Fluktuasi kondisional tersebut adalah jembatan Brownian
Setelah mengubah difusi menjadi bentuk harga log yang sesuai, gagasan yang sama memberikan probabilitas penyeberangan interval demi interval berdasarkan model yang disebutkan.
Interval mendekati penghalang memerlukan lebih dari satu kuotasi
Bayangkan level naik-turun 110, dengan simulasi harga titik akhir 104 dan 106 dalam interval pendek
Tidak ada titik akhir yang memicu penghalang. Penyesuaian jembatan tetap memberikan probabilitas penyeberangan positif karena jalur yang tidak teramati dapat naik di atas 110 dan kembali
Probabilitasnya bergantung pada jarak ke penghalang, panjang interval, dan varians yang dimodelkan. Seharusnya tidak diganti dengan persentase yang tetap [!TRYMARK] Pisahkan pemantauan dari target harga Sebelum tanggal kedaluwarsa atau peristiwa, simpan penghalang, level stok, asumsi IV, nilai target, dan aturan pemantauan di titik pemeriksaan. Target yang didasarkan pada pemeriksaan akhir hari dapat berbeda secara material dengan kontrak yang dipantau secara terus menerus
Monte Carlo dapat menggunakan pengundian pembobotan atau pengundian bersyarat
Salah satu metode mengalikan hasil setiap jalur dengan probabilitas kelangsungan hidup intervalnya. Sampel lain apakah terjadi penyeberangan menggunakan probabilitas jembatan
Pembobotan sering kali menurunkan varians karena menghindari penarikan biner tambahan, sedangkan pengambilan sampel bersyarat dapat berguna ketika waktu penyeberangan itu sendiri memengaruhi arus kas
Kedua metode tersebut harus menggunakan konvensi observasi kontrak yang sebenarnya. Beberapa produk yang terdaftar hanya memantau pada waktu tertentu, bukan terus menerus
Jembatan adalah koreksi model, bukan kepastian pasar
Rumus standarnya mengasumsikan difusi berkelanjutan dengan volatilitas, suku bunga, dan input dividen yang dipilih selama interval tersebut
Lompatan dapat melintasi penghalang dengan cara yang diremehkan oleh jembatan kontinu. Volatilitas stokastik, volatilitas lokal, dividen terpisah, dan batasan harga juga mengubah model
Validasi berdasarkan penghitungan jaringan yang lebih halus, tekankan jarak penghalang dan volatilitas, dan pisahkan persyaratan kontrak resmi dari perkiraan simulasi yang mudah digunakan
Pertanyaan umum
Mengapa jembatan Brown berguna untuk opsi penghalang?
Ini memperkirakan apakah penghalang yang terus dipantau telah dilintasi antara tanggal simulasi, sehingga simulasi titik akhir saja dapat melewatkan peristiwa tersebut
Apakah jembatan Brown membuat simulasi penghalang tepat?
Ini hanya tepat untuk pengaturan difusi kontinyu dan konvensi pemantauan yang ditentukan. Lompatan, perubahan volatilitas, dan detail kontrak memerlukan model lain
Haruskah saya menambahkan lebih banyak langkah waktu Monte Carlo?
Langkah-langkah yang lebih halus memang membantu, namun jembatan ini dapat menghilangkan banyak bias antar langkah dengan lebih efisien. Masih bijaksana untuk membandingkan kedua pendekatan tersebut sebagai pemeriksaan numerik