Penjelasan Greeks Numerik untuk Penetapan Harga Opsyen

Delta mendiferensiasi nilai berkenaan spot, vega berkenaan koordinat volatiliti dan rho berkenaan input kadar. Gamma mendiferensiasi sekali lagi berkenaan spot

Terbitan itu tergolong dalam model, pembinaan data pasaran dan konvensyen pegangan yang dinyatakan. Mengubah peraturan permukaan volatiliti boleh mengubah Greek

Terbitan bentuk tertutup mudah digunakan, tetapi hasil kompleks, model ditentukur, pelaksanaan awal dan portfolio besar sering memerlukan anggaran berangka

Naikkan satu input sebanyak jumlah kecil h, nilai semula dan bandingkan dengan nilai asas. Delta pusat menggunakan [V(x+h) − V(x−h)] / 2h

Gamma menggunakan beza kedua, manakala beza satu sisi membantu pada sempadan atau apabila hanya satu arah yang sah tersedia

Kaedah ini menganggap pricer sebagai kotak hitam dan berfungsi secara meluas, tetapi setiap faktor risiko mungkin memerlukan penilaian penuh tambahan

Bump besar mengukur kelengkungan merentas selang luas dan bukannya terbitan tempatan, lalu mencipta bias pemotongan

Bump kecil menolak harga yang hampir sama, menguatkan pembundaran, toleransi penyelesai, hingar interpolasi dan ralat pensampelan Monte Carlo

Jalankan tangga bump dan cari kawasan yang stabil. h terbaik bergantung pada unit, tertib Greek, kelicinan hasil dan ketepatan berangka

Apabila menilai semula senario yang dibump, gunakan semula nombor rawak yang sama supaya perbezaan laluan mencerminkan perubahan input dan bukannya sampel yang tidak berkaitan

Gandingan ini boleh mengurangkan varians dengan ketara, tetapi tidak menghapuskan bias bump terhingga atau membaiki tingkah laku hasil yang tidak berterusan

Laporkan ralat piawai untuk Greek itu sendiri. Anggaran harga yang kelihatan stabil masih boleh menghasilkan perbezaan bising selepas dibahagi dengan h

Kaedah pathwise mendiferensiasi keadaan simulasi dan nilai hasil sepanjang setiap laluan, kemudian mempuratakan sampel terbitan itu

Ia boleh cekap untuk hasil licin dan mungkin menganggarkan beberapa sensitiviti daripada satu simulasi, tetapi pertukaran terbitan dengan jangkaan memerlukan syarat

Penunjuk digital, barrier, keputusan pelaksanaan dan kink penentukuran boleh mematahkan pembezaan pathwise biasa atau memerlukan pelicinan serta layanan khusus

Kaedah nisbah kebolehjadian mendiferensiasi ketumpatan simulasi dan bukannya hasil, lalu mendarabkan hasil dengan fungsi skor

Ia boleh mengendalikan sesetengah hasil tidak berterusan yang menyukarkan terbitan pathwise kerana hasil itu sendiri tidak perlu didiferensiasi

Variansnya mungkin tinggi, khususnya untuk risiko tertib lebih tinggi atau jauh out-of-the-money. Penganggar hibrid boleh menggabungkan kekuatan kedua-dua kaedah

Pembezaan algoritma adjoint menyebarkan sensitiviti ke belakang melalui pengiraan penilaian, sama seperti pembezaan mod songsang

Ia amat menarik apabila sebilangan kecil output portfolio bergantung pada banyak input pasaran, seperti tiang keluk atau nod permukaan volatiliti

Memori, percabangan, penyelesai berlelar, penentukuran dan logik tidak licin memerlukan pelaksanaan yang disengajakan. Pembezaan automatik tidak menjamin takrif risiko yang bermakna

Bandingkan Greek berangka dengan tanda aras analitik untuk kontrak mudah, kemudian semak silang hasil pengeluaran menggunakan penganggar kedua atau kejutan penilaian semula yang lebih besar

Uji tanda, unit, skala, sensitiviti pariti put-call, pengagregatan, simetri bump, penumpuan, ralat piawai dan tindak balas berhampiran sempadan hasil

Catat perkara yang bergerak apabila input dibump. Vega atau delta sticky-strike, sticky-delta, ditentukur semula dan permukaan beku menjawab soalan yang berbeza