選擇權定價中的鞍點近似詳解

令M(t)=E[e^{tX}]為矩生成函數，K(t)=log M(t)為累積量生成函數

針對目標x求解鞍點方程K′(t̂)=x，解t̂選擇一個以x附近為中心的指數傾斜

它不像固定在原平均值的常態近似，而是針對每個目標重新構造局部近似

常見形式為f_X(x)≈exp[K(t̂)−t̂x]/√(2πK″(t̂))，對和或平均值還需調整尺度

指數項衡量移動到x的成本，K″(t̂)提供局部曲率與高斯歸一化

這個結構把鞍點法連接到指數傾斜、最陡下降法與大偏差速率函數

直接積分近似密度可能損失精度，尤其是事件遠離平均值時

Lugannani–Rice近似使用轉換量w與u，直接修正一個常態尾部機率

t̂接近零時的表面奇點應使用極限公式或穩定展開，不能直接計算互相抵消的項

歐式買權可寫成貼現尾部期望，因此可用鞍點近似計算履約機率與截斷矩

累積量必須屬於實際使用的風險中性變數，遠期、貼現與損益定義也必須一致

也可積分近似密度，但歸一化與鞅平均值必須檢查，不能預設成立

矩生成函數須在t̂附近有限，K須足夠光滑且凸，K″(t̂)須為正

矩爆炸可令所需履約價超出轉換定義域，原子機率或邊界也會破壞光滑密度近似

目標不可達、導數尺度不佳，或把數值分支誤認為有效解時，求根同樣會失敗

即使逐點密度誤差很小，也可能產生負機率、下降的CDF或與遠期不符的終值平均值

組合後的選擇權價格仍須滿足價格邊界、賣權–買權平價、履約價單調性與凸性

處理一組履約價時，應聯合檢查整條價格曲線，而非逐個接受成功的根

驗證K(0)=0、K′(0)對應平均值、K″(0)對應變異數，並把數值導數與解析或自動導數比較

在中央和遠端履約價上，用數值積分、Fourier反演或蒙地卡羅比較密度、CDF尾部、截斷矩與價格

記錄轉換定義域、根區間、殘差、曲率、平均值附近處理與最終無套利診斷