Характеристическая функция в оценке опционов: объяснение
Узнайте, как риск-нейтральные характеристические функции кодируют распределения, поддерживают преобразование Фурье и превращаются в цены опционов через преобразование выплаты
Короткий ответ
Характеристическая функция φ(u)=E[e^{iuX}] однозначно кодирует распределение логарифма цены при выбранной мере оценки. Обращение Фурье объединяет это преобразование с преобразованной выплатой и восстанавливает дисконтированную стоимость опциона
Характеристическая функция хранит распределение
Для вещественной случайной величины X функция φ(u)=E[e^{iuX}] определена для каждой вещественной частоты u, поскольку комплексная экспонента имеет модуль один
В отличие от производящей функции моментов, она не требует конечности экспоненциальных моментов только для существования на вещественной прямой
Ее значения на всех частотах однозначно определяют закон X и одновременно кодируют положение, разброс, асимметрию, хвосты и разрывы
Сначала задаются мера оценки и переменная состояния
Для европейской выплаты h(S_T) базовая риск-нейтральная цена равна E^Q[e^{-∫r ds}h(S_T)] при условиях, поддерживающих эту меру
В методах преобразований часто задают X_T=log S_T или форвардный логарифм цены, но дисконтирование и точное соглашение о нумераре должны соответствовать преобразованию
Характеристическую функцию физической меры нельзя подставлять в риск-нейтральную цену, если изменение меры не задано корректно
Обращение Фурье восстанавливает вероятности и плотности
При достаточной гладкости обратный интеграл Фурье восстанавливает плотность из φ; функции распределения также можно получить формулами обращения
Обращение Гиля—Пелаэса выражает хвостовые или накопленные вероятности через интеграл с мнимой частью e^{-iux}φ(u)/u
Это несобственные интегралы, поэтому поведение около нуля и на больших частотах требует аналитических пределов и численной осторожности
Выплате нужна собственная обработка преобразования
Выплата колла растет вместе с S_T, поэтому ее преобразование Фурье неинтегрируемо на обычной вещественной прямой без затухания или сдвига контура
Можно преобразовать затухающую цену, преобразовать выплату в подходящей полосе или разложить колл на дисконтированные вероятности актива и страйка
Разные формулы могут быть математически эквивалентны, но использовать разные знаки, нормировки, переменные состояния и комплексные аргументы
Вычислимая модель входит через φ
Блэк—Шоулз, Хестон, аффинные диффузии со скачками и многие модели Леви чаще дают характеристические функции, чем переходные плотности
Характеристическая функция отражает предпосылки модели, риск-нейтральные параметры, горизонт, начальное состояние и корреляции или компенсаторы скачков
Знание φ — вычислительное преимущество, а не доказательство того, что выбранная динамика соответствует наблюдаемым ценам опционов или будущей доходности
Численное обращение создает бюджет ошибок
Конечные пределы интегрирования создают ошибку усечения, шаг по частоте — ошибку квадратуры, а сетки FFT могут добавлять наложение и интерполяционную ошибку
Осциллирующее сокращение и ветви комплексного логарифма могут дать внешне гладкие, но неверные цены при непоследовательной обработке
Адаптивная квадратура, контрольные вариаты, затухание, альтернативные формулы и повышенная точность устраняют разные ошибки, а не один универсальный дефект
Проверка должна выходить за пределы одной цены
Проверьте φ(0)=1, сопряженную симметрию φ(−u)=overline{φ(u)} и мартингальный момент, требуемый соглашением о цене актива
Сравните с Блэком—Шоулзом или другим известным пределом, паритетом пут—колл, монотонностью, выпуклостью и независимым численным методом
Затем меняйте пределы, сетки, затухание, допуски, сроки и страйки; устойчивые цифры должны сохраняться при разумных вычислительных изменениях
Частые вопросы
Что такое характеристическая функция?
Это φ(u)=E[e^{iuX}], комплекснозначное преобразование, однозначно определяющее распределение вероятностей X
Зачем использовать ее в оценке опционов?
Многие реалистичные модели дают φ в замкнутой или почти замкнутой форме, даже если их переходная плотность и математическое ожидание выплаты недоступны напрямую
Характеристическая функция — это то же самое, что производящая функция моментов?
Нет. Характеристическая функция использует мнимый аргумент и существует при вещественном u, тогда как MGF может не существовать при расходимости экспоненциальных моментов
Можно ли оценить колл прямым обращением φ?
Нет, нужно обработать выплату, меру, дисконтирование и интегрируемость; для коллов обычно нужны затухание, сдвиг контура или разложение по вероятностям