De Brownian bridge voor de prijsbepaling van barrieropties uitgelegd
Leer hoe een Brownian bridge gemiste barrièrepassages tussen Monte Carlo-datums schat en waarom alleen eindpunten de prijzen van continu gemonitorde opties kunnen vertekenen
Direct antwoord
Een Brownian bridge conditioneert een continu diffusiepad op zijn gesimuleerde eindpunten. Bij Monte Carlo voor barrieropties schat hij de kans dat het pad tussen twee datums een barrière heeft gekruist, waardoor de vertekening afneemt die ontstaat wanneer discrete steekproeven als continue monitoring worden behandeld
Eindpunten laten niet elke kruising zien
Stel dat een gesimuleerde prijs zowel aan het begin als aan het einde van een interval van één dag onder een opwaartse barrière ligt. Het continue pad kan de barrière toch kruisen en eronder terugkeren
Alleen dagelijkse of uurlijkse eindpunten controleren mist daarom vaak knock-out- of knock-in-gebeurtenissen wanneer het contract continu wordt gemonitord
Meer tijdstappen verkleinen deze fout, maar kunnen duur zijn en toch resterende monitoringvertekening overlaten
De bridge vult de voorwaardelijke onzekerheid van het pad in
Bij Brownse beweging geeft conditioneren op twee eindpuntwaarden een tussentijdse verdeling waarvan het gemiddelde de rechte lijn tussen die punten volgt
De variantie is op beide eindpunten nul en binnen het interval het grootst. Die voorwaardelijke fluctuatie is de Brownian bridge
Na het transformeren van een diffusie naar een geschikte log-prijsvorm levert hetzelfde idee per interval een kruiskans op binnen het genoemde model
Een interval dicht bij de barrière heeft meer dan één quote nodig
Stel een up-and-outniveau van 110 voor, met gesimuleerde eindpuntprijzen van 104 en 106 over een kort interval
Geen van beide eindpunten activeert de barrière. Een bridge-aanpassing kent toch een positieve kruiskans toe, omdat het niet waargenomen pad boven 110 kan stijgen en terugkeren
De kans hangt af van de afstand tot de barrière, de intervallengte en de gemodelleerde variantie. Vervang dit niet door een vast percentage
Monte Carlo kan weging of voorwaardelijke trekkingen gebruiken
Eén methode vermenigvuldigt de payoff van elk pad met zijn overlevingskansen per interval. Een andere methode simuleert met bridgekansen of er een kruising plaatsvond
Weging verlaagt vaak de variantie omdat een extra binaire trekking wordt vermeden, terwijl voorwaardelijk trekken nuttig kan zijn als het kruisingstijdstip de cashflows zelf beïnvloedt
Beide methoden moeten de werkelijke observatieconventie van het contract gebruiken. Sommige beursproducten monitoren alleen op bepaalde tijdstippen in plaats van continu
Een bridge is een modelcorrectie, geen marktzekerheid
De standaardformule veronderstelt een continue diffusie met de gekozen volatiliteits-, rente- en dividendinputs over het interval
Sprongen kunnen een barrière kruisen op een manier die een continue bridge onderschat. Stochastische volatiliteit, lokale volatiliteit, discrete dividenden en prijslimieten veranderen het model ook
Valideer met een berekening op een fijnere grid, stress de barrièreafstand en volatiliteit en houd de juridische contractvoorwaarden gescheiden van een handige simulatiebenadering
Veelgestelde vragen
Waarom is een Brownian bridge nuttig voor barrieropties?
Hij schat of een continu gemonitorde barrière tussen gesimuleerde datums is gekruist, waar een simulatie die alleen eindpunten gebruikt de gebeurtenis kan missen
Maakt een Brownian bridge een barriersimulatie exact?
Alleen voor de opgegeven continue-diffusieopzet en monitoringconventie is hij exact. Sprongen, veranderende volatiliteit en contractdetails kunnen een ander model vereisen
Moet ik gewoon meer Monte Carlo-tijdstappen toevoegen?
Fijnere stappen helpen, maar de bridge kan een groot deel van de vertekening tussen stappen efficiënter verwijderen. Het blijft verstandig beide benaderingen als numerieke controle te vergelijken
Bronnen en verder lezen
Snelle check
De gids gelezen? Test jezelf met 3 vragen
Vraag 01
Welke uitspraak past het best bij deze gids — Eindpunten laten niet elke kruising zien?
Kies een antwoord om de uitleg te zien
Optiewoordenlijst
A numerical method that generates many paths from a specified random model and estimates derivative value and sampling error from discounted payoffs.
Lees de uitgebreide gidsFeynman–Kac formulaA representation that links a suitable linear parabolic PDE to a conditional expectation of discounted terminal and running payoffs along diffusion paths.
Lees de uitgebreide gidsModel riskThe risk that model structure, data, parameters, numerics, or misuse causes valuation, sensitivity, or hedging results to differ materially from reality.
Lees de uitgebreide gids