อธิบายการกำหนดราคา Option ด้วย Characteristic Function

สำหรับตัวแปรสุ่มจริง X, φ(u)=E[e^{iuX}] ถูกนิยามสำหรับความถี่จริงทุกค่า เพราะ complex exponential มี modulus เท่ากับหนึ่ง

ต่างจาก moment-generating function ตรงที่ไม่ต้องมี exponential moments ที่จำกัดเพียงเพื่อให้มีอยู่บนเส้นจำนวนจริง

ค่าของมันในทุกความถี่กำหนด law ของ X ได้อย่างเป็นเอกลักษณ์ และเข้ารหัส location, dispersion, asymmetry, tails และ discontinuities ไว้ร่วมกัน

สำหรับ European payoff h(S_T) ราคา risk-neutral พื้นฐานคือ E^Q[e^{-∫r ds}h(S_T)] ภายใต้เงื่อนไขที่รองรับ measure นั้น

Transform methods มักกำหนด X_T=log S_T หรือ forward log price แต่ discounting และ convention ของ numeraire ที่แน่นอนต้องตรงกับ transform

ไม่สามารถใส่ characteristic function ภายใต้ physical measure ลงในราคา risk-neutral ได้ เว้นแต่จะระบุการเปลี่ยน measure ได้ถูกต้อง

เมื่อมี regularity เพียงพอ inverse Fourier integral จะกู้คืน density จาก φ และยังสามารถกู้คืน distribution functions ด้วยสูตร inversion ได้

Gil–Pelaez inversion แสดงความน่าจะเป็นของหางหรือ cumulative ผ่าน integral ที่มีส่วน imaginary ของ e^{-iux}φ(u)/u

สิ่งเหล่านี้เป็น improper integrals ดังนั้นพฤติกรรมใกล้ศูนย์และที่ความถี่สูงจึงต้องใช้ analytical limits และความระมัดระวังทางตัวเลข

Call payoff เติบโตตาม S_T ดังนั้น Fourier transform ของมันจึง integrable บนเส้นจำนวนจริงธรรมดาไม่ได้ หากไม่มี damping หรือ contour shift

อาจ transform ราคาที่ damped, transform payoff ใน strip ที่เหมาะสม หรือแยก call เป็น discounted asset และ strike probabilities

สูตรต่างกันอาจเทียบเท่ากันทางคณิตศาสตร์ แต่ใช้ signs, normalizations, state variables และ complex arguments ต่างกัน

Black–Scholes, Heston, affine jump-diffusions และ Lévy models จำนวนมากให้ characteristic functions ได้ง่ายกว่า transition densities

Characteristic function สะท้อนสมมติฐานโมเดล risk-neutral parameters, horizon, initial state และ correlations หรือ jump compensators ที่มี

การรู้ φ เป็นข้อได้เปรียบด้าน computation ไม่ใช่หลักฐานว่า dynamics ที่เลือกเข้ากับราคา options ที่สังเกตได้หรือผลตอบแทนในอนาคต

ขอบเขต integration ที่จำกัดสร้าง truncation error, spacing ของความถี่สร้าง quadrature error และ FFT grids อาจเพิ่ม aliasing และ interpolation error

การหักล้างแบบ oscillatory และ branches ของ complex logarithm อาจสร้างราคาที่ดูเรียบแต่ผิด หากจัดการไม่สอดคล้องกัน

Adaptive quadrature, control variates, damping, สูตรทางเลือก และ precision ที่สูงขึ้นจัดการ error คนละชนิด ไม่ใช่ข้อบกพร่องสากลเพียงอย่างเดียว

ตรวจสอบ φ(0)=1, conjugate symmetry φ(−u)=overline{φ(u)} และ martingale moment ที่ convention ของราคา asset ต้องการ

เปรียบเทียบกับ Black–Scholes หรือ limit ที่รู้จัก put–call parity, monotonicity, convexity และ numerical method อิสระ

จากนั้นเปลี่ยน bounds, grids, damping, tolerances, maturities และ strikes ตัวเลขที่เสถียรควรคงอยู่เมื่อเปลี่ยนการคำนวณในระดับสมเหตุสมผล