Все руководства по опционам и фьючерсам
Может ли дисперсия с квадратным корнем достичь нуля15 минут чтения

Условие Феллера в моделях CIR и Хестона: объяснение

Узнайте об условии Феллера, поведении границы нуля, неотрицательности и строгой положительности, а также о численных последствиях для моделей CIR и Хестона

Подготовлено Mark · Первичные источники ниже

Короткий ответ

Для dX_t = κ(θ-X_t)dt + σ√X_t dW_t условие Феллера 2κθ ≥ σ² делает ноль недостижимым из положительного начального состояния. При его нарушении точный процесс CIR остается неотрицательным, но может достичь нуля; это не то же самое, что отрицательные значения из-за численной схемы

Диффузия с квадратным корнем связывает масштаб с неопределенностью

Процесс CIR использует дрейф κ(θ-X_t) и диффузию σ√X_t для неотрицательного состояния, например краткосрочной ставки или дисперсии

Kappa управляет скоростью возврата к среднему, theta — долгосрочным уровнем, а sigma — волатильностью состояния

При приближении X к нулю размер случайного шока уменьшается, а положительный дрейф κθ отталкивает процесс от границы

Неравенство Феллера сравнивает дрейф и шум

Стандартное граничное условие таково: 2κθ ≥ σ² при положительных параметрах и положительном начальном состоянии

Оно сравнивает направленный внутрь дрейф в нуле с интенсивностью диффузии, а не проверяет, насколько калибровка соответствует ценам опционов

В некоторых текстах используется индекс Феллера 2κθ/σ² или размерность 4κθ/σ², поэтому соглашение о пороге нужно проверять

Выполнение условия дает строгую положительность

Когда 2κθ ≥ σ² и X_0 > 0, ноль недостижим для идеального непрерывного процесса CIR

Состояние остается строго положительным в конечные моменты времени и не касается вырожденной границы квадратного корня

Строгая положительность сильнее неотрицательности, поэтому ее нельзя сводить к расплывчатому утверждению, что модель стабильна

Нарушение допускает контакт, но не отрицательные состояния

Когда 0 < 2κθ < σ², ноль достижим, но стандартное решение CIR остается неотрицательным

При положительном θ граница нуля мгновенно отражается, а не становится навсегда поглощающим состоянием

Поэтому нарушенное условие Феллера само по себе не делает стохастическое дифференциальное уравнение неправильным или отрицательным

Модель Хестона применяет ту же проверку к дисперсии

Дисперсия Хестона подчиняется dv_t = κ(θ-v_t)dt + ξ√v_t dW_t, где σ заменяется на волатильность волатильности ξ

Ее распространенное условие таково: 2κθ ≥ ξ²; нарушение позволяет дисперсии коснуться нуля и может усилить чувствительность к границе

Калиброванную модель Хестона все еще можно использовать при нарушении условия, но интерпретация и численная обработка потребуют дополнительной осторожности

Дискретизация создает отдельную проблему

Наивный шаг Эйлера может стать отрицательным, даже если точный процесс неотрицателен и условие Феллера выполняется

Полное усечение, неявные методы, квадратично-экспоненциальные схемы или выборка точного перехода по-разному обрабатывают границу

Обрезание отрицательных значений меняет моделируемый процесс, поэтому нужно проверять сходимость, смещение и устойчивость греков

Калибровка требует диагностики границы

Сообщайте отношение 2κθ/ξ², а не только факт выполнения, и сравнивайте его по датам, мерам и неопределенности параметров

Физические и риск-нейтральные параметры не обязаны совпадать, потому что премия за риск дисперсии может менять динамику возврата к среднему

Проверьте траектории вблизи нуля, чувствительность к шагу времени, переходные моменты, ошибки опционов и результаты хеджа до того, как доверять подогнанной модели

Частые вопросы

Что такое условие Феллера для процесса CIR?

Для dX = κ(θ-X)dt + σ√X dW стандартное условие строгой положительности имеет вид 2κθ ≥ σ²

Что происходит при нарушении условия Феллера?

Точный процесс может достичь нуля, но при стандартной спецификации CIR с положительными параметрами остается неотрицательным

Требует ли Хестон выполнения условия Феллера?

Не для каждой задачи оценки, но нарушение позволяет дисперсии касаться нуля и усиливает аналитические и численные граничные проблемы

Почему симуляция все равно может дать отрицательную дисперсию?

Дискретная схема, например наивный Эйлер, может нарушить границу точного процесса, поэтому метод симуляции нужно проверять отдельно

Источники и дополнительное чтение

Связанные руководства