数学 > 数值分析
[提交于 2025年4月30日
]
标题: Heston模型及相关过程的逼近和正则性结果
标题: Approximation and regularity results for the Heston model and related processes
摘要: 本博士论文通过三篇相互关联的研究,探讨了 Heston 随机波动率模型的近似值和规律性。 第一篇研究重点开发了 Cox-Ingersoll-Ross (CIR) 过程的高阶弱近似,这对于金融建模至关重要,但由于平方根扩散项阻碍了标准方法的应用,因此颇具挑战性。 通过采用基于 Alfonsi (2010) 二阶格式的随机网格技术 (Alfonsi & Bally, 2021),该研究证明了对于光滑测试函数,可以实现任意阶的弱近似。这在比著名的 Feller 公式限制更少的条件下成立。数值结果证实了 CIR 和 Heston 模型的收敛性,并显示出显著的计算时间改进。 第二篇研究将随机网格技术扩展到对数 Heston 过程。 介绍了两种二阶格式(一种采用精确波动率模拟,另一种采用与上文相同限制条件下的二宫-维克托尔分裂)。严格证明了格式可以收敛到任意期望阶。数值实验验证了格式对欧式和亚式期权定价的有效性,并表明其对多因子/粗糙赫斯顿模型具有潜在的适用性。 第三项工作研究了与对数-赫斯顿模型相关的偏微分方程 (PDE)。它扩展了经典解的结果,并在不依赖 Feller 条件的情况下证明了粘性解的存在性和唯一性。即使对于某些不连续的初始数据,也证明了其唯一性,这与数字期权等定价工具相关。 此外,在初始数据的松弛正则性(连续性)下,证明了混合数值格式与粘性解的收敛性。 附录包含 CIR 过程的补充结果。
当前浏览上下文:
math.NA
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.