Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:1709.05519

帮助 | 高级搜索

定量金融 > 数学金融

arXiv:1709.05519 (q-fin)
[提交于 2017年9月16日 ]

标题: 半静态和稀疏方差最优对冲

标题: Semi-Static and Sparse Variance-Optimal Hedging

Authors:Paolo Di Tella, Martin Haubold, Martin Keller-Ressel
摘要: 我们考虑通过由一种资产的动态头寸和其他资产的静态(买入并持有)头寸组成的“半静态”策略来对冲或有要求权。 我们在方差最优性准则下给出了最优策略和对冲误差的一般表示,并在Heston模型情况下使用傅里叶积分提供了可处理的公式。 我们还考虑了最优选择稀疏半静态对冲策略的问题,即仅使用可用对冲资产的一个小子集的策略。 所开发的方法在一个扩展的数值示例中得到说明,其中我们使用欧式期权作为静态对冲资产来计算一个稀疏的半静态对冲。
摘要: We consider hedging of a contingent claim by a 'semi-static' strategy composed of a dynamic position in one asset and static (buy-and-hold) positions in other assets. We give general representations of the optimal strategy and the hedging error under the criterion of variance-optimality and provide tractable formulas using Fourier-integration in case of the Heston model. We also consider the problem of optimally selecting a sparse semi-static hedging strategy, i.e. a strategy which only uses a small subset of available hedging assets. The developed methods are illustrated in an extended numerical example where we compute a sparse semi-static hedge for a variance swap using European options as static hedging assets.
评论: 4张图
主题: 数学金融 (q-fin.MF) ; 概率 (math.PR)
MSC 类: 91G20, 60H30
引用方式: arXiv:1709.05519 [q-fin.MF]
  (或者 arXiv:1709.05519v1 [q-fin.MF] 对于此版本)
  https://doi.org/10.48550/arXiv.1709.05519
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Martin Keller-Ressel [查看电子邮件]
[v1] 星期六, 2017 年 9 月 16 日 14:24:55 UTC (283 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-fin.MF
< 上一篇   |   下一篇 >
新的 | 最近的 | 2017-09
切换浏览方式为:
math
math.PR
q-fin

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号