定量金融 > 数学金融
[提交于 2025年11月2日
]
标题: 基于最小最大算法的路径依赖期权的稳健对冲
标题: Robust Hedging of path-dependent options using a min-max algorithm
摘要: 我们考虑一个投资者,他想使用现金、标的资产以及相同标的的到期日为$ t_1$的欧式看跌/看涨期权来构建一个静态对冲组合,以对冲一个到期日为$T$的路径依赖型期权,其中$0 < t_1 < T$。 我们提出了一种无模型的方法来构建这样的组合。 该框架受到\textit{对偶}鞅最优运输(MOT)问题的启发,该问题由\cite{beiglbock2013model}首创。 优化问题是确定一种组合构成,使得在$t_1$时预期最坏情况对冲误差最小(这与用于对冲组合的期权的到期日一致)。 最坏情况对应于导致最差对冲表现的分布。 这种表述导致了一个\textit{极小极大}问题。 当有有限数量的欧式期权价格可用时,我们提供了一个求解该问题的数值方案。 该模型无关方法在期权价格使用\textit{布莱克-舒尔斯}和\textit{默顿跳扩散}模型生成时的对冲性能的数值结果如上所示。 我们还提供了在$T$,即目标期权到期日的对冲误差理论边界。
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.