อธิบาย Esscher Transform ในการกำหนดราคาออปชัน
ทำความเข้าใจ exponential tilting, การเลื่อน cumulant, การเปลี่ยน Lévy measure, การเลือกพารามิเตอร์ martingale, incomplete markets และการตรวจสอบการมีอยู่
คำตอบโดยตรง
Esscher transform ถ่วงน้ำหนัก outcome x ด้วย e^{θx} และ normalize ด้วย moment-generating function ของมัน ใน exponential asset models อาจเลือก θ เพื่อให้ discounted price เป็น martingale ภายใต้ tilted measure
Exponential tilting เปลี่ยนน้ำหนักของ outcomes
สำหรับ random variable X ที่ M(θ) = E[e^{θX}] มีค่าจำกัด ให้กำหนด dQ_θ/dP = e^{θX}/M(θ)
θ ที่เป็นบวกให้น้ำหนัก outcomes ที่ใหญ่ขึ้นมากกว่าเดิม ส่วน θ ที่เป็นลบให้น้ำหนัก outcomes ที่เล็กลงมากกว่าเดิม และ normalization ทำให้น้ำหนักใหม่รวมกันเป็นหนึ่ง
Transform นี้เปลี่ยน probabilities ไม่ได้เปลี่ยน observed outcomes และมีอยู่เฉพาะในบริเวณที่ exponential moment มีค่าจำกัด
Cumulant function เลื่อนได้อย่างเป็นระเบียบ
ให้ κ(u) = log E[e^{uX}] บน moment domain ของมัน
ภายใต้ Esscher measure, cumulant คือ κ_θ(u) = κ(u+θ) - κ(θ)
อนุพันธ์ของ κ_θ ที่ศูนย์ให้ tilted moments เมื่อมีค่าจำกัด ทำให้ transform นี้สะดวกสำหรับ saddlepoint methods และ risk calculations
Process ต้องมี density ที่สอดคล้องกันตามเวลา
สำหรับ Lévy process X_t, density process คือ Z_t = exp(θX_t - tκ(θ))
Independent stationary increments ทำให้ Z เป็น positive martingale เมื่อ θ อยู่ใน moment domain ที่ใช้ได้
ภายใต้ Q_θ process ยังคงเป็น Lévy แต่ drift และ jump law เปลี่ยนไป ขณะที่ path outcomes และ null events ยังคงสอดคล้องกัน
Lévy measure ถูก tilt แบบเอ็กซ์โพเนนเชียล
ภายใต้ conventions ที่เหมาะสม jump measure เปลี่ยนจาก ν(dx) เป็น ν_θ(dx) = e^{θx}ν(dx)
Brownian variance ไม่เปลี่ยน แต่ drift จะปรับตาม Brownian tilt, jump compensation และ truncation convention
ดังนั้นการเปรียบเทียบ drift parameters โดยไม่ระบุ truncation function อาจสร้างความแตกต่างลวง
Martingale condition เป็นตัวเลือก pricing parameter
สำหรับ S_t = S_0e^{X_t} ที่มี carry r-q, discounted martingality ต้องการ κ_θ(1) = r-q
เทียบเท่ากับการแก้ κ(θ+1) - κ(θ) = r-q เมื่อ exponential moments ทั้งสองมีอยู่
สมการอาจไม่มีคำตอบ มีคำตอบเดียว หรือเกิด numerical instability ใกล้ขอบเขต moment การเลือก parameter จึงไม่ใช่สิ่งที่เกิดขึ้นโดยอัตโนมัติ
Esscher เป็นทางเลือกหนึ่งใน incomplete market
โดยทั่วไป jump risk ไม่ได้ถูก span อย่างสมบูรณ์ ดังนั้น equivalent martingale measures หลายตัวอาจเป็นไปตาม no-arbitrage
Esscher rule เลือก measure หนึ่งโดยรักษา exponentially tilted model family ไว้ แต่ no-arbitrage เพียงอย่างเดียวไม่ได้ให้สิทธิพิเศษแก่ measure นี้เหนือทางเลือกอื่นทั้งหมด
Economic preferences, calibration targets, entropy criteria, hedging objectives หรือ market conventions อาจชี้ไปยัง measure อื่น
การตรวจสอบต้องรวม tails
ตรวจสอบ moment domain สำหรับ θ และ θ+1, density normalization, equivalent support, martingale equality และ transformed triplet
Recalibrate ข้าม maturities และ regimes เพราะ θ ที่เสถียรใน sample อาจซ่อน tail extrapolation ที่ไม่เสถียร
เปรียบเทียบ option prices และ hedge errors ภายใต้ admissible measures ทางเลือก เพื่อเปิดเผยต้นทุน model-risk ของการเลือก Esscher
คำถามที่พบบ่อย
Esscher transform อธิบายง่าย ๆ คืออะไร?
คือการสร้าง probability law ใหม่โดยให้น้ำหนัก outcomes ที่ใหญ่กว่าหรือเล็กกว่าเดิมในแบบเอ็กซ์โพเนนเชียล แล้ว normalize กลับ
เลือก Esscher parameter สำหรับการกำหนดราคาออปชันอย่างไร?
โดยทั่วไปเลือกให้ discounted modeled asset price กลายเป็น martingale ภายใต้ measure ที่แปลงแล้ว
Esscher transform มีอยู่เสมอหรือไม่?
ไม่ Exponential moments ที่ต้องใช้ต้องมีค่าจำกัด และ martingale equation อาจไม่มี admissible solution
Esscher martingale measure มีเพียงหนึ่งเดียวหรือไม่?
Parameter ของมันอาจมีเพียงหนึ่งเดียวภายใน Esscher family ขณะที่ equivalent martingale measures อื่นยังมีอยู่ได้