全部期权指南
用累积量精确逼近尾部概率阅读约15分钟
期权定价中的鞍点近似详解
理解鞍点方程、密度与尾部近似、指数倾斜、期权定价用途，以及不可省略的数值检查
由 Mark 编写 · 官方资料列于文末
直接答案
鞍点近似利用累积量生成函数把分布倾向目标结果，再在该处施加局部高斯修正。当矩生成函数与鞍点在所需区域有效时，它常能准确估计密度和尾部概率；一旦超出变换定义域，这种精度便没有保证
目标点决定指数倾斜
令M(t)=E[e^{tX}]为矩生成函数，K(t)=log M(t)为累积量生成函数
针对目标x求解鞍点方程K′(t̂)=x，解t̂选择一个以x附近为中心的指数倾斜
它不像固定在原均值的正态近似，而是针对每个目标重新构造局部近似
密度由指数项与局部项构成
常见形式为f_X(x)≈exp[K(t̂)−t̂x]/√(2πK″(t̂))，对和或均值还需调整尺度
指数项衡量移动到x的成本，K″(t̂)提供局部曲率与高斯归一化
这一结构把鞍点法连接到指数倾斜、最陡下降法与大偏差速率函数
尾部概率需要更精细的公式
直接积分近似密度可能损失精度，尤其是事件远离均值时
Lugannani–Rice近似使用变换量w与u，直接修正一个正态尾部概率
t̂接近零时的表面奇点应使用极限公式或稳定展开，不能直接计算相互抵消的项
可以从倾斜尾部构造期权价格
欧式看涨可写成贴现尾部期望，因此可用鞍点近似计算行权概率与截断矩
累积量必须属于实际使用的风险中性变量，远期、贴现与收益定义也必须一致
也可积分近似密度，但归一化与鞅均值必须检查，不能默认成立
存在性是首个数值问题
矩生成函数须在t̂附近有限，K须足够光滑且凸，K″(t̂)须为正
矩爆炸可令所需行权价超出变换定义域，原子概率或边界也会破坏光滑密度近似
目标不可达、导数尺度不佳，或把数值分支误认成有效解时，求根同样会失败
精确不等于价格合格
即使逐点密度误差很小，也可能产生负概率、下降的CDF或与远期不符的终值均值
组装后的期权价格仍须满足价格边界、看跌–看涨平价、行权价单调性与凸性
处理一组行权价时，应联合检查整条价格曲线，而非逐个接受成功的根
严谨实现要能够自我交叉验证
验证K(0)=0、K′(0)对应均值、K″(0)对应方差，并把数值导数与解析或自动导数比较
在中央和远端行权价上，用数值积分、Fourier反演或蒙特卡洛比较密度、CDF尾部、截断矩与价格
记录变换定义域、根区间、残差、曲率、均值附近处理与最终无套利诊断
常见问题
什么是鞍点近似？
它是一种把目标点的指数倾斜与累积量生成函数的曲率修正结合起来的渐近方法
为什么它在尾部可能表现良好？
因为它在每个目标附近重新居中局部近似，而不是把均值处的单一高斯近似向外延伸
鞍点接近零时怎么办？
这是均值附近情形，含有相互抵消的1/w与1/u项的公式需要稳定的极限展开
有效鞍点能保证有效期权价格吗？
不能。最终价格还须保持概率、风险中性远期、价格边界、平价、单调性与凸性
资料来源与延伸阅读
把这个概念应用到一份期权
选择合约和目标，让价格、时间与波动率假设在同一份分析中清晰呈现
分析我的期权