อธิบาย Finite Difference Methods สำหรับการกำหนดราคาออปชัน
ทำความเข้าใจว่า finite differences แก้ pricing PDE บน grid อย่างไร explicit, implicit และ Crank–Nicolson แตกต่างกันอย่างไร และ numerical error เกิดขึ้นที่ใด
คำตอบโดยตรง
finite difference pricing นำสมการออปชันแบบต่อเนื่องมาอยู่บน grid ของราคาและเวลา ประมาณอนุพันธ์ด้วย node ข้างเคียง แล้วทำงานย้อนกลับจาก payoff มายังวันนี้ ความเสถียร boundary และ error ของ grid มีผลต่อผลลัพธ์
สมการ pricing กลายเป็นปัญหาบน grid
diffusion model และเหตุผล no-arbitrage สร้าง partial differential equation สำหรับมูลค่าออปชันตลอดช่วงราคาของ underlying และเวลา
terminal condition คือ payoff ของ contract ตอนหมดอายุ Boundary conditions อธิบายพฤติกรรมใกล้ราคาของ underlying ต่ำสุดและสูงสุดที่แสดงในโมเดล
finite differences แก้สมการเชิงตัวเลขเมื่อไม่มี closed form ที่ใช้ได้ หรือเมื่อ exercise และคุณลักษณะของ payoff ทำให้ปัญหาซับซ้อน
อนุพันธ์กลายเป็นความแตกต่างระหว่าง node
เลือก price nodes S₀ ถึง S_M และ time levels ตั้งแต่วันนี้ถึง expiration grid นี้ตัดและ discretize domain ที่ต่อเนื่อง
อนุพันธ์อันดับหนึ่งและอันดับสองของราคาประมาณจากมูลค่าออปชันของ node ข้างเคียง อนุพันธ์ตามเวลาประมาณระหว่าง time levels ที่ติดกัน
การแทนค่าจะเปลี่ยน PDE ให้เป็นชุดสมการพีชคณิตที่เชื่อมกัน การเลื่อนย้อนกลับทีละ time level ซ้ำ ๆ ในที่สุดจะให้มูลค่าใกล้ spot ของวันนี้
Explicit และ implicit แลกความง่ายกับความเสถียร
explicit scheme คำนวณค่าก่อนหน้าจาก node ข้างเคียงของค่าภายหลังโดยตรง โปร่งใสและเร็วต่อ step
time step ของมันต้องเป็นไปตามข้อจำกัด stability ที่เชื่อมกับ price spacing และ coefficients การเลือกค่าหยาบเกินไปอาจสร้างค่าที่สั่นหรือระเบิด
implicit scheme แก้ linear system ในทุก step มีต้นทุนต่อ step สูงกว่าแต่โดยทั่วไป stable เมื่อใช้ time increment ที่ใหญ่กว่า
Crank–Nicolson เฉลี่ย treatment ของเวลาสองแบบ
Crank–Nicolson เฉลี่ย operators แบบ explicit และ implicit ทำให้ได้ time accuracy อันดับสองสำหรับคำตอบเรียบภายใต้เงื่อนไขมาตรฐาน
payoff ของออปชันมี kink และ discrete events อาจสร้างจุดที่ไม่เรียบใหม่ สิ่งเหล่านี้ทำให้เกิด oscillation ช่วงต้นได้แม้ formal stability จะมีอยู่
Rannacher startup steps, damping, fitted grids หรือช่วงเวลาที่เล็กลงอาจควบคุม artifacts ได้ ควรทดสอบวิธีแก้ที่เลือก ไม่ใช่สมมติว่าใช้ได้
Boundaries และ events อาจครอง error
upper price boundary มีค่าจำกัดแม้ underlying ที่จำลองจะไม่มีขอบเขต asymptotics ของ put และ call ช่วยกำหนดค่าที่ใส่ไว้ตรงนั้น
หาก boundary ใกล้เกินไป เงื่อนไขเทียมจะปนเปื้อนบริเวณด้านใน การขยาย domain ควรทำให้ value และ Greeks แทบไม่เปลี่ยน
cash dividends, barriers, rebates และ monitoring dates ต้องใช้ jump หรือ interface conditions ณ เวลา event ที่ตรงตัว event ที่ไม่จัดให้ตรง grid สร้าง bias ที่หลีกเลี่ยงได้
American exercise เป็นปัญหา free-boundary
ในทุกจุดที่มีสิทธิ์ มูลค่าของ American option ต้องไม่น้อยกว่า immediate exercise value และต้องเป็นไปตาม continuation equation ด้วย
สิ่งนี้สร้าง complementarity condition ซึ่ง projected solvers, penalty methods หรือการเปรียบเทียบ exercise โดยตรงสามารถใช้บังคับข้อจำกัดได้
exercise boundary ที่ประมาณขึ้นอยู่กับความละเอียดของ grid และ input ของ contract ผลลัพธ์ที่ดูเรียบไม่ได้พิสูจน์ว่า stopping policy แม่นยำ
Convergence ต้องใช้ grid ที่ละเอียดขึ้นมากกว่าหนึ่งชุด
ปรับความละเอียดของเวลาและ price spacing แยกกัน ขยับ outer boundaries และเปรียบเทียบ explicit, implicit หรือ numerical methods ทางเลือก
ติดตามทั้ง price และ Greeks เพราะอนุพันธ์ขยาย noise ของ grid การกระจาย node ใกล้ spot, strike, barriers หรือ exercise boundaries อาจเพิ่มประสิทธิภาพ
formal order อาจยังไม่ปรากฏจนกว่า grid จะละเอียดและจัดให้ตรงเพียงพอ รายงาน convergence ที่สังเกตได้แทนการอ้างเพียง rate ตามทฤษฎี
Verification แยก numerics ออกจาก model
เทียบ plain European options กับ Black–Scholes ก่อน แล้วเปรียบเทียบ claims แบบ American กับ binomial tree หรือ solver อิสระ
ทดสอบ payoff limits, parity, monotonicity, convexity, early-exercise bounds และ sensitivity ต่อการวาง boundary กับเวลาของ event
บันทึก scheme, grid, domain, solver tolerance, damping และ interpolation การตั้งค่าเชิงตัวเลขเป็นสมมติฐานของ valuation ไม่ใช่รายละเอียด implementation ที่มองไม่เห็น
คำถามที่พบบ่อย
finite difference method ในการกำหนดราคาออปชันคืออะไร
เป็นการแทนอนุพันธ์ใน pricing PDE ด้วยความแตกต่างระหว่าง grid nodes แล้วคำนวณมูลค่าออปชันย้อนกลับจาก expiration
explicit และ implicit schemes ต่างกันอย่างไร
explicit update เป็นการคำนวณโดยตรงแต่ stable แบบมีเงื่อนไข ส่วน implicit update แก้ linear system และโดยทั่วไป stable กว่า
เหตุใดจึงใช้ Crank–Nicolson
สามารถให้ความแม่นยำตามเวลาได้สูงขึ้นด้วยการเฉลี่ย treatment สองแบบ แต่ kink ของ payoff อาจต้องใช้ damping หรือ startup steps ที่เล็กลง
finite differences กำหนดราคา American options ได้หรือไม่
ได้ solver ต้องบังคับให้ value ไม่ต่ำกว่า immediate exercise ขณะกำลังแก้ continuation equation