[논문 리뷰] The computation of Greeks with multilevel Monte Carlo

Sylvestre Burgos, Michael B. Giles|arXiv (Cornell University)|2011. 02. 07.

Mathematical Approximation and Integration참고 문헌 6인용 수 4

한 줄 요약

이 논문은 금융 파생상품에서 그리크를 계산하기 위한 다수준 몬테카를로 프레임워크를 제안하며, 장벽 옵션에서 흔히 발생하는 비립시츠 지ayoff 문제를 해결하기 위해 지ayoff 스무딩, 경로 분할, Vibrato 방법을 조합한다. 적절한 분산 감소 기법을 통해 계산 복잡도를 O(ε⁻²)로 감소시켜 기존 몬테카를로 방법에 비해 효율성을 크게 향상시킴을 입증한다.

ABSTRACT

We study the use of the multilevel Monte Carlo technique in the context of the calculation of Greeks. The pathwise sensitivity analysis differentiates the path evolution and reduces the payoff's smoothness. This leads to new challenges: the inapplicability of pathwise sensitivities to non-Lipschitz payoffs often makes the use of naive algorithms impossible. These challenges can be addressed in three different ways: payoff smoothing using conditional expectations of the payoff before maturity; approximating the previous technique with path splitting for the final timestep; using of a hybrid combination of pathwise sensitivity and the Likelihood Ratio Method. We investigate the strengths and weaknesses of these alternatives in different multilevel Monte Carlo settings.

연구 동기 및 목표

• 비립시츠 지ayoff을 가진 옵션, 예를 들어 장벽 옵션에서 표준 몬테카를로 방법의 계산 비효율성을 해결하기 위해.
• 다수준 몬테카를로 기법을 활용해 경로별 민감도 방법의 적용 범위를 부드럽고 립시츠 연속 지ayoff을 초월하여 확장하기 위해.
• 다수준 몬테카를로 환경에서 지ayoff 스무딩, 경로 분할, Vibrato 방법의 성능을 평가하고 비교하기 위해.
• 다수준 추정기에서 장벽 옵션의 경우 비균일 시간 간격 설정이 분산 행동과 수렴 속도에 미치는 영향을 분석하기 위해.
• 특히 장벽 효과로 인해 경로별 분산이 높은 경우에 다수준 그릭스 추정기의 복잡도 분석에 대한 엄밀한 기초를 제공하기 위해.

제안 방법

• 다수준 몬테카를로 추정기는 미세 및 거친 이산화 수준 간의 차이의 태클레싱 합으로 구성되며, E[Ŷ] = ΣE[P̂_l - P̂_{l-1}]이다.
• 분산 감소는 조건부 기대값을 사용한 지ayoff 스무딩을 통해 달성되며, 이는 태클레싱 성질을 유지하면서 수렴을 향상시킨다.
• 지ayoff의 부드러움 조건이 위반될 경우 직접 경로별 민감도 대신 경로 분할 및 Vibrato 방법을 적용한다.
• 비정수 시간 간격은 장벽 통과 가능성이 가장 높은 시간 간격을 정밀화하기 위해 거듭제곱 시간 간격을 도입하여, 거친 수준에서의 분산 제어를 향상시킨다.
• 밀스타인 스킴의 강한 수렴 성질을 활용하며, 각 수준에서 E[P̂_l^f] = E[P̂_l^c]를 유지함으로써 비편향성을 확보한다.
• 수렴 속도 α(약한) 및 β(강한)에 기반하여 복잡도 한계를 유도하며, β가 다수준 추정기의 전체 효율성을 결정한다.

실험 결과

연구 질문

• RQ1 비립시츠 지ayoff에 대해 다수준 몬테카를로가 O(ε⁻³) 이하의 계산 복잡도를 줄일 수 있는가?
• RQ2 다수준 환경에서 지ayoff 스무딩, 경로 분할, Vibrato 방법의 분산 감소 및 수렴 속도 측면에서의 비교는 어떻게 되는가?
• RQ3 장벽에 가까운 경우(B ≈ S₀)가 다수준 추정기의 분산 행동과 수렴에 어떤 영향을 미치는가?
• RQ4 특히 거듭제곱 시간 간격을 포함한 비균일 시간 간격 설정이 β의 수렴 속도를 가속화하고 거친 수준의 분산을 감소시킬 수 있는가?
• RQ5 이론적 복잡도 한계는 얼마나 수치적으로 검증될 수 있으며, 현재의 점근적 분석의 한계는 무엇인가?

주요 결과

• B = 85이고 S₀ = 100인 장벽 옵션의 경우, 다수준 추정기는 β ≈ 1.7를 기록하여 O(ε⁻²) 복잡도를 달성하며, 최적 속도와 일치한다.
• B = 95이고 S₀ = 100인 경우, β ≈ 0.7로 수렴 속도가 느려져 O(ε⁻²·³)의 더 높은 복잡도를 유도한다.
• 거듭제곱 시간 간격 사용은 특히 B가 S₀에 가까울 경우, 미세 수준의 분산을 감소시키고 점근적 β 속도로의 수렴을 가속화한다.
• B ≈ S₀일 경우, 거친 수준에서 다수준 추정기의 분산이 증가하지만, 이는 알고리즘을 l > 0 수준에서 시작함으로써 완화될 수 있다.
• 첫 번째 장벽 통과의 밀도는 τ = O((log(S₀/B)/σ)²)의 시간 간격에 집중되어 있어, 거친 시간 간격이 중요한 역학을 해석하지 못하는 이유를 설명한다.
• 수치적 증거는 지연 스무딩과 Vibrato 방법이 비연속 지ayoff에 대해서도 O(ε⁻²) 복잡도를 달성하며, 난이도 있는 경로별 방법을 능가함을 보여준다.