Penjelasan Metode Laplace vs Steepest Descent

Pertimbangkan I(λ)=∫_a^b g(x)e^{-λf(x)}dx ketika λ→∞

Wilayah tempat f lebih besar ditekan secara eksponensial, sehingga minimum f dapat mendominasi seluruh integral

Metode ini mengganti integral global dengan ekspansi lokal f dan g di sekitar titik dominan

Jika x₀ adalah minimum interior unik, f″(x₀)>0, dan g(x₀)≠0, perluas f secara kuadratik di sekitar x₀

Hasil utamanya adalah I(λ)≈g(x₀)e^{-λf(x₀)}√[2π/(λf″(x₀))]

Minimum endpoint, amplitudo yang menghilang, kurvatur degenerat, atau beberapa minimum memerlukan pangkat berbeda atau kontribusi yang dijumlahkan

Untuk integral kontur ∫_Γg(z)e^{-λf(z)}dz, saddle memenuhi f′(z_s)=0 di bidang kompleks

Γ dideformasi melalui saddle yang relevan sepanjang jalur tempat Im f konstan dan Re f meningkat menjauh, sehingga eksponensial meluruh

Deformasi hanya sah jika keanalitikan, endpoint, sektor peluruhan, orientasi, dan pilihan cabang tetap dipertahankan

Metode Laplace real berfokus pada maksimum atau minimum eksponen real, sedangkan steepest descent memilih kontur peluruhan kompleks

Fase stasioner menangani integral real osilatori yang turunannya terhadap fase menghilang, sering menghasilkan pembatalan alih-alih peluruhan murni

Aproksimasi saddlepoint statistik adalah penerapan transformasi yang terkait, tetapi mencakup normalisasi dan rumus ekor khusus probabilitas

Inversi Fourier dan Laplace untuk harga netral risiko dapat memperoleh parameter besar melalui jatuh tempo, strike, atau skala noise kecil

Saddle dominan dapat memperlihatkan perilaku harga ekor dan volatilitas tersirat utama secara lebih langsung daripada integrasi brute-force

Kontur harus tetap berada dalam strip momen fungsi karakteristik serta mempertahankan konvensi diskonto dan martingale

Ketika dua saddle bertukar dominasi, ekspresi asimtotik dapat berubah mendadak di sepanjang garis Stokes meskipun integral eksaknya mulus

Saddle yang berkoalesensi atau saddle yang mendekati endpoint memerlukan aproksimasi seragam, bukan suku Gaussian yang terpisah

Melewati pole atau branch cut selama deformasi menambahkan residu atau kontribusi diskontinuitas dan dapat mengubah jawaban sepenuhnya

Temukan semua saddle kandidat, klasifikasikan kurvatur, telusuri jalur descent yang diizinkan, serta lacak singularitas dan branch cut secara eksplisit

Bandingkan suku utama dan orde lebih tinggi dengan kuadratur langsung pada beberapa nilai λ, lalu periksa skala galat yang diprediksi

Untuk harga opsi, uji juga realitas, positivitas, batas, paritas put–call, konveksitas strike, dan stabilitas di bawah kontur valid alternatif