[논문 리뷰] Weak approximation of stochastic differential equations and application to derivative pricing

Syoiti Ninomiya, Nicolas Victoir|arXiv (Cornell University)|2006. 05. 14.

Stochastic processes and financial applications참고 문헌 9인용 수 5

한 줄 요약

이 논문은 위너 공간 위의 큐버처를 기반으로 한 새로운 약한 근사 알고리즘을 제안하며, 오일러-마루야마보다 적은 시간 단계로 더 높은 정확도를 달성한다. 준몬테카를로 방법과 결합할 경우 헤스톤 모델 하에서 아시안 옵션의 가격 설정을 매우 빠르고 정확하게 수행할 수 있으며, 정확도 10⁻⁴에서 표준 방법 대비 최대 80배 빠른 계산 속도를 기록한다.

ABSTRACT

The authors present a new simple algorithm to approximate weakly stochastic differential equations in the spirit of [1] and [2]. They apply it to the problem of pricing Asian options under the Heston stochastic volatility model, and compare it with other known methods. It is shown that the combination of the suggested algorithm and quasi-Monte Carlo methods makes computations extremely fast. [1] Shigeo Kusuoka, ``Approximation of Expectation of Diffusion Process and Mathematical Finance,'' Advanced Studies in Pure Mathematics, Proceedings of Final Taniguchi Symposium, Nara 1998 (T. Sunada, ed.), vol. 31 2001, pp. 147--165. [2] Terry Lyons and Nicolas Victoir, ``Cubature on Wiener Space,'' Proceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences 460 (2004), pp. 169--198.

연구 동기 및 목표

• 일반적인 확산 과정에 적용 가능한 보편적이고 효율적인 확률적 방법을 개발하여 SDE의 약한 근사를 수행하는 것.
• 특히 스토크래틱 볼라티리티 하에서 경로에 의존하는 옵션(예: 아시안 옵션)의 가격 설정에서 계산 효율성을 향상시키는 것.
• 새로운 알고리즘을 준몬테카를로 기법과 결합하여 수렴 속도를 향상시키고 계산 비용을 감소시키는 것.
• 정확도와 실행 시간 측면에서 표준 오일러-마루야마 및 큐버처 기반 방법과 비교해 볼 때 뛰어난 성능을 보여주는 것.

제안 방법

• 스트라토노비치 SDE의 해를 근사하기 위해 수정된 위너 공간 위의 큐버처 방법을 사용하며, 재귀적 지수 사상 기법을 적용한다.
• 웨이저-자카이 정리에 기반하여 약한 수렴을 확보하기 위해 벡터 필드의 지수 함수 기반 시간 이산화 기법을 적용한다.
• 새로운 외삽 기법을 사용한 이중 수준의 시간 분할 전략을 통해 수렴 차수를 향상시킨다.
• 저이분산성 구조를 고려할 때 특히 효과적인 변동성 감소 및 수렴 가속화를 위해 준몬테카를로(QMC) 샘플링을 통합한다.
• 헤스톤 모델을 대상으로 수치 실험을 수행하여 오차, 샘플 크기 및 CPU 시간을 비교함으로써 방법의 타당성을 검증한다.
• 롬버그 외삽 기법을 추가로 활용하여 계산 복잡도를 과도하게 증가시키지 않으면서도 수렴 속도를 더욱 향상시킨다.

실험 결과

연구 질문

• RQ1 기존 방법보다 보편적이고 훨씬 빠른 성능을 보이는 SDE에 대한 새로운 약한 근사 알고리즘을 설계할 수 있는가?
• RQ2 제안된 알고리즘이 준몬테카를로 방법과 조합되었을 때 표준 몬테카를로 또는 오일러-마루야마 방법에 비해 어떻게 성능을 발휘하는가?
• RQ3 헤스톤 모델 하에서 아시안 옵션 가격 설정에서 정확도 10⁻⁴을 확보하기 위해 필요한 시간 분할 수와 샘플 수는 얼마인가?
• RQ4 다양한 이산화 수준과 샘플링 전략에 대해 제안된 방법이 높은 효율성을 유지하는가?
• RQ5 새로운 알고리즘과 준몬테카를로의 조합이 기존 방법에 비해 계산 속도와 정확도 측면에서 어느 정도 뛰어난 성능을 발휘하는가?

주요 결과

• 표준 오일러-마루야마 방법이 2000개의 시간 분할이 필요한 데 비해, 새로운 알고리즘은 단 12개의 시간 분할로도 10⁻⁴ 정확도를 달성한다.
• 롬버그 외삽을 적용한 결과, 새로운 방법은 4+2개의 분할로 10⁻⁴ 정확도를 확보할 수 있었고, 오일러-마루야마 방법은 16+8개의 분할이 필요했다.
• 준몬테카를로를 사용할 경우, 새로운 알고리즘은 10⁻⁴ 정확도를 확보하기 위해 단 2×10⁵개의 샘플로 충분했지만, 오일러-마루야마 방법은 5×10⁶개의 샘플이 필요했다.
• 준몬테카를로와 외삽을 결합한 새로운 알고리즘은 10⁻⁴ 정확도를 확보하는 데 1.73초의 실행 시간을 기록했으며, 오일러-마루야마 방법 대비 80배 빠른 성능을 보였다.
• 성능 향상의 이유는 준몬테카를로 수열의 저이분산성과 잘 맞는 알고리즘의 구조 덕분이다.
• 고차수의 약한 근사와 QMC의 조합이 파생상품 가격 설정에서 뛰어난 수렴성과 효율성을 제공함을 입증했다.