[논문 리뷰] A new look at the Heston characteristic function

Sebastián del Baño Rollin, Albert Ferreiro-Castilla외 1명|ArXiv.org|2009. 02. 12.

Stochastic processes and financial applicationsEconomics, Econometrics and Finance참고 문헌 18인용 수 19

한 줄 요약

이 논문은 헤스톤 확률적 변동성 모델에서 로그스팟의 특성 함수에 대한 새로운 해석적 표현을 제시하며, 그 해석성과 정확한 모멘트 생성 함수의 정의역 계산이 가능하게 한다. 주요 기여는 모멘트 생성 함수를 베타 유형 성분으로 인수분해함으로써, 로그스팟을 근사하는 수렴하는 랜덤 변수의 수열을 구성하고 모델의 모멘트 구조 및 극단적 행사 행동에 대한 깊이 있는 통찰을 제공한다.

ABSTRACT

A new expression for the characteristic function of log-spot in Heston model is presented. This expression more clearly exhibits its properties as an analytic characteristic function and allows us to compute the exact domain of the moment generating function. This result is then applied to the volatility smile at extreme strikes and to the control of the moments of spot. We also give a factorization of the moment generating function as product of Bessel type factors, and an approximating sequence to the law of log-spot is deduced.

연구 동기 및 목표

• 헤스톤 모델의 특성 함수에 대해 해석적으로 투명한 표현을 제공하여 그 해석성 특성을 명확히 드러내는 것.
• 로그스팟의 모멘트 생성 함수(MGF)의 정확한 정의역을 규명하여 모멘트와 꼬리 행동의 정밀한 분석을 가능하게 하는 것.
• 로그스팟의 MGF를 베타 유형 성분으로 인수분해하여, 로그스팟이 비중앙화 카이제곱 분포 변수들의 합으로서의 기본 확률적 구조를 드러내는 것.
• 로그스팟으로 수렴하는 법적 수렴하는 랜덤 변수의 수열을 도출하여 구축 가능한 근사 방법을 제공하는 것.
• 결과를 극단적 행사에서의 볼라티리티 스마일에 적용하여, 리의 공식을 특히 날개 파rameter에 대해 정밀화하는 것.

제안 방법

• 표준 특성 함수 형태에 의존하지 않고, 이토의 보조정리로부터 유도된 실수값 PDE를 풀어 로그스팟의 모멘트 생성 함수(MGF)를 유도하는 것.
• 해석적 기법, 특히 하다르드 인수분해 정리와 미탈레프 정리를 활용하여 특성 함수의 극점과 구조를 분석하는 것.
• 특성 함수의 분모에서 유도된 정수 함수의 근을 식별함으로써 MGF를 베타 유형 모멘트 생성 함수의 곱으로 인수분해하는 것.
• 베타 분포의 성질과 인수분해를 활용하여 로그스팟으로 수렴하는 랜덤 변수 수열의 수렴성을 확립하는 것.
• MGF의 정의역과 극점 구조를 활용하여 극단적 행사에서의 볼라티리티 스마일의 점근적 매개변수를 계산하며, 특히 리의 모멘트 공식의 맥락에서 분석하는 것.
• 연속성과 허리츠의 정리를 활용하여 표준 수렴이 실패하는 임계 케이스, 예를 들어 ρ = ±√2/2의 경우로 결과를 확장하는 것.

실험 결과

연구 질문

• RQ1 헤스톤 모델에서 로그스팟의 모멘트 생성 함수의 정확한 정의역은 무엇이며, 수치적으로 어떻게 계산할 수 있는가?
• RQ2 로그스팟의 특성 함수는 어떤 형태로 표현될 수 있으며, 그 해석성과 분석에 유리한 특성을 명확히 드러내는가?
• RQ3 로그스팟의 모멘트 생성 함수는 베타 또는 비중앙화 카이제곱 분포와 관련된 성분으로 인수분해될 수 있는가?
• RQ4 극단적 행사에서 볼라티리티 스마일의 극한 행동은 무엇이며, MGF의 극점 구조를 통해 어떻게 정량화할 수 있는가?
• RQ5 로그스팟으로 수렴하는 법적 수렴하는 랜덤 변수의 수열을 구성할 수 있으며, 그 수렴의 확률적 해석은 무엇인가?

주요 결과

• 로그스팟의 모멘트 생성 함수는 영점 주변의 실수 구간에서 해석적이며, 그 정확한 정의역은 복소 평면상의 극점 위치에 의해 결정되며, 단순한 절차로 수치적으로 계산할 수 있다.
• 특성 함수가 해석적임을 증명하기 위해 영점 근처에서 실수 MGF의 존재를 입증함으로써, 표준 형태보다 더 강력하고 유용한 특성화가 이루어진다.
• 로그스팟의 MGF는 베타 유형 모멘트 생성 함수의 곱으로 인수분해되며, 이는 기저 확률적 구성 요소가 비중앙화 카이제곱 분포 변수임을 밝혀낸다.
• 일부 매개변수 조합에서는 로그스팟이 독립적인 비중앙화 카이제곱 랜덤 변수들의 합으로 분포하며, 이는 CIR 과정이 제곱된 옴스타인-울렌벡 과정들의 합임을 고려할 때 두 번째 위너 혼성공간에 속한다는 것과 일치한다.
• 인수분해를 활용하여 로그스팟으로 수렴하는 법적 수렴하는 랜덤 변수의 수열을 명시적으로 구성함으로써 새로운 근사 방법을 제공한다.
• 특성 함수의 분모의 극점에서의 잔여소가 큰 근에 대해 양수임을 보이며, 잔여소의 점근적 행동은 1/c²(또는 ρ²=1 이고 c≠2aρ 이면 2/c²)로 계산되어 정밀한 꼬리 분석이 가능하다.