Persamaan Maju dan Mundur Kolmogorov Diterangkan
Fahami bagaimana generator mengembangkan nilai bersyarat secara mundur dan densitas kebarangkalian secara maju, dengan kaitan ke Fokker–Planck, penetapan harga, kalibrasi, dan had
Jawapan terus
Persamaan Kolmogorov ke belakang mengembangkan hasil masa hadapan sebagai fungsi keadaan semasa. Persamaan ke hadapan, yang dipanggil Fokker–Planck untuk difusi, mengembangkan taburan keadaan masa hadapan daripada hukum awal
Peralihan Markov menghubungkan tiga masa
Proses Markov menggunakan operator peralihan P_{s,t}g(x) = E[g(X_t) | X_s=x] untuk memetakan fungsi masa hadapan kembali kepada keadaan semasa
Hubungan Chapman–Kolmogorov P_{s,t}P_{t,u} = P_{s,u} menyatakan bahawa memasukkan masa perantaraan tidak mengubah peralihan
Persamaan ke hadapan dan ke belakang ialah pandangan pembezaan terhadap semigrup yang sama atau keluarga evolusi dua parameter
Penjana menerangkan perubahan infinitesimal
Bagi dX_t = b(t,X_t)dt + σ(t,X_t)dW_t, penjananya ialah L_tφ = b∂_xφ + 1/2a∂_{xx}φ dengan a = σ²
Ia bertindak pada fungsi ujian keadaan dan merumuskan perubahan bersyarat seketika fungsi itu
Penjana bergantung pada proses, ruang keadaan, domain, dan tingkah laku sempadan; ungkapan pembezaan formal sahaja tidak lengkap
Persamaan ke belakang bertindak pada keadaan permulaan
Bagi fungsi terminal g, takrifkan u(s,x) = E[g(X_t) | X_s=x] dengan s ≤ t
Di bawah keteraturan yang sesuai, u memenuhi ∂_s u + L_su = 0 dan syarat terminal u(t,x) = g(x)
Ia dipanggil ke belakang kerana fungsi hujung ditetapkan dan masa bersyarat s bergerak menuju masa kini
Adjung menggerakkan taburan
Adjung L_t† ditakrifkan melalui ∫φ L_t†ρ dx = ∫ρ L_tφ dx selepas sebutan sempadan diuruskan
Bagi difusi satu dimensi, L_t†ρ = -∂_x(bρ) + 1/2∂_{xx}(aρ)
Adjung memindahkan penjana daripada fungsi ujian kepada ketumpatan, lalu membalikkan terbitan apabila pengamiran mengikut bahagian memerlukannya
Persamaan ke hadapan menyebarkan jisim kebarangkalian
Jika ρ(t,x) ialah ketumpatan keadaan, ia memenuhi ∂_tρ = L_t†ρ daripada taburan awalnya
Persamaan yang sama apabila digunakan pada ketumpatan peralihan mengembangkan pemboleh ubah destinasi sambil mengekalkan titik permulaan tetap
Normalisasi, ketaknegatifan, fluks, dan syarat sempadan menentukan sama ada penyelesaian formal ialah hukum kebarangkalian yang sah
Kewangan menggunakan kedua-dua arah untuk tugas berbeza
Penilaian derivatif biasanya menyelesaikan persamaan ke belakang daripada hasil terminal, dengan pendiskaunan menambah sebutan pembunuhan
Ramalan taburan, profil pendedahan, kalibrasi ketumpatan, dan sesetengah pengiraan risiko menyelesaikan persamaan ke hadapan daripada hukum keadaan hari ini
Kedua-dua output patut sepadan melalui pengamiran: nilai ke belakang bersamaan hasil masa hadapan yang diintegrasikan terhadap ketumpatan peralihan ke hadapan
Sempadan dan numerik boleh memecahkan dualiti
Sempadan menyerap, memantul, masuk, dan tidak boleh dicapai mengenakan syarat nilai serta fluks kebarangkalian yang berbeza
Semak pemeliharaan atau kehilangan jisim yang disengajakan, kepositifan, data terminal dan awal, pendiskretan adjung, serta penumpuan apabila grid diperluas
Anggaran Monte Carlo yang dilaksanakan secara bebas boleh mendedahkan kesilapan tanda, hanyutan, sempadan, dan arah masa dalam mana-mana penyelesai PDE
Soalan lazim
Apakah perbezaan antara persamaan Kolmogorov ke hadapan dan ke belakang?
Persamaan ke belakang mengembangkan fungsi keadaan permulaan; persamaan ke hadapan mengembangkan hukum keadaan destinasi
Adakah persamaan ke hadapan ialah persamaan Fokker–Planck?
Bagi proses difusi, ya. Fokker–Planck ialah nama umum bagi persamaan ketumpatan ke hadapan Kolmogorov
Persamaan manakah digunakan untuk penetapan harga opsyen?
Nilai opsyen Eropah biasanya disebarkan ke belakang daripada hasil terminalnya, manakala persamaan ke hadapan boleh mengembangkan ketumpatan harga keadaan
Mengapa syarat sempadan penting?
Syarat itu menentukan sama ada kebarangkalian diserap, dipantulkan, dipelihara, atau tidak boleh dicapai, lalu mengubah kedua-dua taburan dan nilai
Sumber dan bacaan lanjut
Semakan pantas
Sudah membaca panduan? Uji diri dengan 3 soalan
Soalan 01
Pernyataan manakah paling sepadan dengan panduan ini — Peralihan Markov menghubungkan tiga masa?
Pilih jawapan untuk melihat penjelasan
Glosari opsyen
The portion of premium above intrinsic value, reflecting remaining time, expected uncertainty, rates, dividends, and supply and demand.
Baca panduan terperinciGammaAn estimate of how much delta may change for a small move in the underlying, all else equal; it often becomes more concentrated near expiration and near the money.
Baca panduan terperinci