Simulasi Monte Carlo untuk Pricing Opsyen Diterangkan
Ketahui bagaimana harga opsyen Monte Carlo mengubah jalur simulasi yang netral risiko menjadi nilai, bagaimana kesalahan pengambilan sampel berperilaku, dan bagaimana ketergantungan jalur dan latihan awal ditangani
Jawapan terus
Penetapan harga opsyen Monte Carlo mensimulasikan laluan di bawah model terpilih, mengira dan mendiskaunkan setiap bayaran, lalu mempuratakan hasil. Ia menganggarkan nilai model itu dengan ralat pensampelan; ia tidak menemui proses pasaran sebenar
Penetapan harga menjadi jangkaan didiskaunkan
Di bawah model neutral risiko terpilih, nilai derivatif yang boleh direplikasi boleh ditulis sebagai nilai semasa bayaran masa hadapan yang dipuratakan merentasi keadaan model
Integrasi bentuk tertutup tersedia bagi sesetengah tuntutan mudah. Monte Carlo menggantikan kamiran yang sukar dengan purata sampel yang dijana daripada nombor rawak
Kaedah ini fleksibel kerana bayaran boleh bergantung pada beberapa aset, tarikh, purata, barrier, atau ciri laluan lain tanpa formula baharu bagi setiap tuntutan
Laluan mesti mengikut model penetapan harga
Pilih dinamik faktor asas, kemudian simulasikan increment dari hari ini ke tarikh pemerhatian dan bayaran yang relevan
Di bawah ukuran penetapan harga, drift menggunakan carry model dan bukannya ramalan arah penganalisis. Korelasi, dividen, kadar, dan dinamik volatiliti mesti sepadan
Pendiskretan masa memperkenalkan bias apabila proses berterusan dianggarkan pada grid. Barrier, lonjakan, dan volatiliti yang berubah pantas mungkin memerlukan langkah lebih halus atau khusus
Setiap laluan menghasilkan bayaran didiskaunkan
Untuk laluan i, kira bayaran H_i pada masa bayaran dan faktor diskaun D_i. Penganggar nilai ialah purata D_iH_i merentasi N laluan
Ralat piawai sampel lazimnya susut pada kadar 1/√N. Lebih banyak laluan mengurangkan ralat pensampelan, tetapi tidak semestinya bias pendiskretan, ralat model, atau pepijat kod
Laporkan purata, sisihan piawai sampel, ralat piawai, sela keyakinan, benih rawak, dan spesifikasi model
Ralat pensampelan boleh diukur tetapi bukan ralat model
Dua larian dengan model sama boleh memberikan nilai berbeza kerana nombor rawak. Sela Monte Carlo menerangkan ketidakpastian sampling bersyarat pada model dan algoritma
Ia tidak merangkumi kesalahan memilih proses, parameter, korelasi, volatiliti tersirat, kadar, atau pengendalian peristiwa korporat
Bezakan ralat sampling, bias grid, ralat model, dan ralat implementasi sebelum membesarkan bajet laluan
Pengurangan varians membeli ketepatan setiap laluan
Antara muka biasa termasuk antithetic variates, control variates, stratification, importance sampling, dan quasi-random sequences
Setiap teknik memerlukan syarat dan diagnostiknya sendiri. Varians yang lebih rendah pada satu kontrak atau seed tidak membuktikan kaedah itu lebih baik di semua rejim
Pelaksanaan awal memerlukan keputusan kesinambungan
Opsyen Amerika boleh dilaksanakan sebelum tarikh akhir. Simulasi perlu membandingkan nilai terus dengan anggaran nilai meneruskan pada setiap tarikh keputusan
Longstaff–Schwartz menggunakan regresi untuk menganggar continuation value daripada laluan simulasi. Bias boleh datang daripada basis, bilangan laluan, grid masa, dan pemilihan in-the-money
Pengesahan memerlukan beberapa semakan penumpuan
Tingkatkan bilangan laluan, haluskan grid, ubah seed, dan bandingkan dengan formula bentuk tertutup atau penanda aras yang diketahui apabila tersedia
Uji beberapa strike, tempoh matang, barrier, dan parameter. Periksa payoff serta faktor diskaun bagi laluan terpilih, bukan hanya satu nombor akhir
Soalan lazim
Berapa banyak laluan Monte Carlo mencukupi?
Tiada nombor universal. Tingkatkan laluan sehingga ralat piawai dan keputusan merentasi seed memenuhi toleransi, kemudian semak bias grid serta ralat model secara berasingan
Adakah Monte Carlo meramalkan harga saham masa hadapan?
Tidak. Ia menganggar nilai tuntutan di bawah model dan ukuran penetapan harga yang dipilih
Mengapa Monte Carlo menumpu perlahan?
Purata biasa mempunyai kadar ralat sekitar 1/√N. Pengurangan varians boleh meningkatkan ketepatan setiap laluan tetapi tidak mengubah semua sumber ralat
Bolehkah Monte Carlo menilai opsyen Amerika?
Ya, dengan kaedah yang menganggarkan nilai kesinambungan dan masa pelaksanaan, seperti regresi Longstaff–Schwartz, bersama semakan bias dan penumpuan
Sumber dan bacaan lanjut
Semakan pantas
Sudah membaca panduan? Uji diri dengan 3 soalan
Soalan 01
Pernyataan manakah paling sepadan dengan panduan ini — Penetapan harga menjadi jangkaan didiskaunkan?
Pilih jawapan untuk melihat penjelasan
Glosari opsyen
The rule of selecting the highest-entropy probability law among those satisfying explicit normalization and expectation constraints, relative to a support and reference measure.
Baca panduan terperinciBreak-even priceThe underlying price at which a specified payoff equals zero under stated assumptions; expiration break-even is not the same as the price needed to exit profitably before expiration.
Baca panduan terperinciOption chainA table of contracts organized by expiration, strike, and call or put, usually including quotes, activity, implied volatility, and Greeks from a chosen data source.
Baca panduan terperinci