Все руководства по опционам и фьючерсам
Найдите малую область, доминирующую в интеграле с большим параметром15 минут чтения

Метод Лапласа и метод крутого спуска: объяснение

Сравните вещественную асимптотику Лапласа с крутым спуском по комплексному контуру, узнайте ведущую формулу седловой точки и влияние особенностей и конкурирующих седел на оценку опционов

Подготовлено Mark · Первичные источники ниже

Короткий ответ

Метод Лапласа приближает вещественный интеграл с большим параметром по окрестности доминирующего максимума или минимума. Метод крутого спуска расширяет эту идею на интегралы по комплексному контуру, деформируя путь через участвующие седловые точки в направлениях, где подынтегральная функция убывает быстрее всего

Большой параметр локализует интеграл

Рассмотрим I(λ)=∫_a^b g(x)e^{-λf(x)}dx при λ→∞

Области, где f больше, подавляются экспоненциально, поэтому минимум f может доминировать над всем интегралом

Метод заменяет глобальный интеграл локальными разложениями f и g около доминирующей точки

Простой внутренний минимум дает гауссов член

Если x₀ — единственный внутренний минимум, f″(x₀)>0 и g(x₀)≠0, разложите f квадратично около x₀

Ведущий результат таков: I(λ)≈g(x₀)e^{-λf(x₀)}√[2π/(λf″(x₀))]

Минимумы на концах, исчезающая амплитуда, вырожденная кривизна или несколько минимумов требуют других степеней или суммирования вкладов

Крутой спуск использует комплексную геометрию

Для контурного интеграла ∫_Γg(z)e^{-λf(z)}dz седла удовлетворяют f′(z_s)=0 в комплексной плоскости

Контур Γ деформируют через релевантные седла по путям, где Im f постоянна, а Re f возрастает по мере удаления, поэтому экспонента убывает

Деформация допустима только при сохранении аналитичности, концов, секторов убывания, ориентаций и ветвей

Родственные методы не идентичны

Вещественный метод Лапласа сосредоточен на максимумах или минимумах вещественного показателя, а крутой спуск выбирает комплексные контуры убывания

Метод стационарной фазы работает с осциллирующими вещественными интегралами, где производная фазы обращается в ноль и часто возникает сокращение, а не чистое убывание

Статистическая седловая аппроксимация — родственное применение преобразований, но в ней есть нормировка и формулы хвостов, специфичные для вероятностей

Оценка опционов дает много интегралов преобразований

Обращения Фурье и Лапласа для риск-нейтральных цен могут получать большой параметр через срок, страйк или масштаб малого шума

Доминирующее седло может раскрыть ведущую асимптотику хвостовой цены и подразумеваемой волатильности непосредственнее, чем прямое интегрирование

Контур должен оставаться внутри полосы моментов характеристической функции и сохранять соглашения о дисконтировании и мартингале

Седла могут переключаться, сливаться или исчезать

Когда два седла меняются доминированием, асимптотическое выражение может резко измениться через линию Стокса, хотя точный интеграл остается гладким

Сливающиеся седла или седло, приближающееся к концу контура, требуют равномерного приближения, а не отдельных гауссовых членов

Пересечение полюса или разреза ветви при деформации добавляет вычеты или вклады разрыва и может полностью изменить ответ

Проверка объединяет геометрию и численные расчеты

Найдите все кандидатные седла, классифицируйте кривизну, проследите допустимые пути спуска и явно отслеживайте особенности и разрезы ветвей

Сравните ведущие и следующие члены с прямой квадратурой при нескольких значениях λ и проверьте предсказанный масштаб ошибки

Для цен опционов также проверьте вещественность, положительность, границы, паритет путколл, выпуклость по страйку и устойчивость при других допустимых контурах

Частые вопросы

Что такое метод Лапласа?

Это приближение для большого параметра, оценивающее вещественный интеграл по окрестности доминирующего максимума или минимума показателя

Чем отличается крутой спуск?

Он работает с комплексными контурами и деформирует путь через седла в направлениях наиболее быстрого экспоненциального убывания

Входит ли каждая седловая точка в ответ?

Нет. Седло дает вклад только тогда, когда исходный контур можно деформировать на его путь спуска без нарушения аналитических ограничений

Почему сливающиеся седла создают проблему?

Их окрестности перекрываются, поэтому изолированные гауссовы приближения теряют равномерную точность и должны быть заменены совместным каноническим приближением

Источники и дополнительное чтение

Связанные руководства