Controle de erros na precificação de opções por Fourier explicado
Entenda erros de truncamento, quadratura, aliasing, interpolação, amortecimento e aritmética complexa na precificação de opções por Fourier e como diagnosticá-los
Resposta direta
A precificação por Fourier substitui uma integral exata de transformada infinita por um cálculo numérico finito. Uma convergência confiável exige verificações separadas da validade da transformada, do truncamento, da quadratura, do aliasing, da interpolação e da aritmética complexa
Uma identidade exata e um algoritmo são coisas diferentes
Uma fórmula de transformada pode representar exatamente o preço de uma opção sob condições definidas de medida, momentos, payoff e regularidade
O software então corta um domínio infinito, amostra um número finito de pontos, avalia funções complexas e arredonda o resultado
A concordância com a fórmula escrita prova pouco, a menos que cada aproximação numérica e cada pré-condição analítica tenham sido verificadas
A validade da transformada é o primeiro filtro
Amortecimentos ou deslocamentos de contorno exigem momentos exponenciais em uma faixa complexa específica, enquanto o desconto deve corresponder ao numerário e à medida de precificação
Um deslocamento inválido pode fornecer a uma rotina de função característica com aparência finita um argumento para o qual a esperança exigida não existe
Nenhum refinamento da grade corrige uma convenção de sinais errada, um fator de desconto ausente, uma condição de martingal violada ou uma transformada fora de seu domínio
O truncamento de frequências remove uma cauda
A inversão de Fourier integra em um domínio de frequências ilimitado, mas uma implementação para em um limite finito U
A cauda omitida depende do decaimento da função característica, do payoff transformado, do amortecimento, do vencimento e dos parâmetros do modelo
Duplicar U é informativo apenas se o espaçamento da quadratura continuar suficientemente fino; caso contrário, um erro pode diminuir enquanto outro cresce
Discretização e quadratura aproximam o restante
Depois do truncamento, regras retangular, trapezoidal, de Simpson ou adaptativas substituem a integral finita por amostras ponderadas
Integrandos oscilatórios precisam de pontos suficientes para resolver mudanças de fase, não apenas de um número fixo conhecido de nós
Estimativas de erro local, variáveis de controle e comportamento analítico próximo de zero podem melhorar a quadratura, mas cada recurso depende de suas próprias hipóteses
A FFT adiciona periodicidade e uma grade vinculada
Uma transformada discreta de Fourier trata os dados amostrados como periódicos, então massa ou estrutura de preço fora da janela representada pode retornar como aliasing
O espaçamento de frequências da FFT e o espaçamento de log-strike são reciprocamente vinculados; ampliar a cobertura com N fixo reduz a resolução dos strikes
Strikes fora da grade exigem interpolação, enquanto o preenchimento com zeros muda a densidade da saída amostrada, mas não cria informação ausente nem cura o truncamento
A aritmética complexa cria falhas silenciosas
Raízes quadradas e logaritmos precisam de ramos consistentes ao longo da frequência; escolhas descontínuas de ramo podem gerar saltos ou oscilações artificiais
Termos grandes podem se cancelar e formar um preço pequeno, tornando importantes o erro relativo, overflow, underflow e perda de precisão em caudas profundas
Um preço final real não valida o caminho até ele: tomar a parte real pode esconder um resíduo imaginário relevante causado por erro de implementação
Uma matriz de convergência revela a causa
Varie o limite U, o espaçamento, N, o amortecimento, a janela de strikes, a interpolação e a precisão um de cada vez, registrando mudanças no preço e nas gregas
Verifique paridade, limites, monotonicidade em strike, convexidade, limites de modelos conhecidos, momentos de martingal e concordância entre quadratura direta e FFT ou COS
Defina tolerâncias em unidades de preço ou de hedge relevantes para a decisão; dígitos estáveis extras não são úteis se os erros do modelo e das entradas de mercado os dominam
Perguntas frequentes
O que é erro de truncamento na precificação por Fourier?
É a contribuição perdida quando uma integral infinita no domínio de frequências ou de estados é substituída por um intervalo finito
O que é erro de aliasing?
É a contaminação causada pela interpretação periódica das amostras discretas da transformada, que pode dobrar uma estrutura não resolvida para dentro da janela de saída
Aumentar o número de pontos da FFT sempre melhora a precisão?
Não. A precisão também depende do domínio, do espaçamento, do amortecimento, da validade dos momentos, da interpolação e da estabilidade numérica
Como posso validar um precificador de Fourier?
Use testes de convergência alterando um controle por vez, identidades de arbitragem, limites conhecidos e comparações com quadratura direta ou outro método independente