Wyjaśnienie ekspansji Edgewortha a Gram–Charliera

Po standaryzacji zmiennej obie metody zwykle zapisują poprawki do gęstości normalnej za pomocą wielomianów Hermite’a.

Skośność wprowadza poprawkę asymetryczną, a nadmiarowa kurtoza zmienia kształt ramion i ogonów względem odniesienia gaussowskiego.

Wspólna notacja sprawia, że obie ekspansje wyglądają wymiennie, mimo że różnią się wyprowadzeniem i interpretacją.

Szereg Gram–Charliera wyraża docelową gęstość przez pochodne gęstości referencyjnej ważone różnicami kumulantów.

Praktyczne obcięcie może zachowywać składniki skośności i kurtozy dlatego, że są interpretowalne, a nie dlatego, że mają jeden kontrolowany rząd błędu.

Zbieżność może być słaba lub nie wystąpić, a dodawanie kolejnych formalnych składników nie musi poprawić przybliżenia w wybranym punkcie.

Dla standaryzowanych sum kumulanty zmniejszają się w znanym tempie względem n, dzięki czemu poprawki można grupować według potęg takich jak n^{-1/2}.

W kolejnym rzędzie składniki mogą obejmować zarówno kumulanty czwartego rzędu, jak i kwadrat kumulantu trzeciego rzędu, a nie po prostu następny wielomian Hermite’a.

Obcięcie Edgewortha ma więc znaczenie tylko wraz ze swoją sekwencją, normalizacją i obszarem deklarowanej poprawności asymptotycznej.

Przybliżona wycena opcji może całkować wypłatę względem skorygowanej gęstości neutralnej względem ryzyka albo rozwijać ją wokół benchmarku, takiego jak Black–Scholes.

Jarrow–Rudd rozwija ekspansję wokół wybranego przybliżonego rozkładu, a Corrado–Su dostosowuje poprawki Gram–Charliera dla skośności i kurtozy.

Dopasowane kumulanty są wielkościami wyceny neutralnymi względem ryzyka, gdy wnioskuje się je z opcji, a nie bezpośrednimi prognozami częstości fizycznych zwrotów.

Wiele rozkładów ma te same pierwsze cztery momenty, a mimo to przypisuje zupełnie różne prawdopodobieństwa krachom lub skrajnym wzrostom.

Poprawki Hermite’a szybko rosną poza centrum, więc składnik mały w pobliżu średniej może dominować i oscylować w ogonach.

Wyższe momenty z próby lub implikowane są także zaszumione, przez co współczynniki stają się niestabilne i silnie zależą od zakresu cen wykonania użytego do kalibracji.

Przybliżona gęstość może stać się ujemna, nie całkować się do jedności lub wytworzyć dystrybuantę malejącą na części dziedziny.

W przestrzeni opcji wady mogą pojawić się jako ceny poza ograniczeniami albo naruszenia monotoniczności względem ceny wykonania i wypukłości butterfly.

Renormalizacja naprawia tylko całkowitą masę; sama nie przywraca dodatniości, średniej forward ani każdego warunku braku arbitrażu.

Przed interpretacją współczynników określ prawo referencyjne, standaryzację, zachowany rząd asymptotyczny, konwencję kumulantów i zakres cen wykonania.

Sprawdź dodatniość i normalizację gęstości, odtwórz zdyskontowany forward oraz przetestuj monotoniczność i wypukłość ceny calla na szerszej siatce.

Porównaj poza próbą z modelem o dodatniej gęstości lub bezpośrednią interpolacją opcji, szczególnie przed ekstrapolacją poza płynne ceny wykonania.