[论文解读] An introduction to Lévy processes with applications in finance

Antonis Papapantoleon|ArXiv.org|Apr 3, 2008

Stochastic processes and financial applications参考文献 51被引用 38

一句话总结

本文为非技术性读者提供了对 Lévy 过程及其在金融建模中应用的入门介绍，重点以跳跃扩散过程作为基础示例。它解释了 Lévy 过程——以其独立增量和平稳增量为特征——如何通过跳跃和重尾收益来建模资产价格动态，从而为基于布朗运动的模型（如 Black-Scholes）提供更现实的替代方案。

ABSTRACT

These lectures notes aim at introducing Lévy processes in an informal and intuitive way, accessible to non-specialists in the field. In the first part, we focus on the theory of Lévy processes. We analyze a `toy' example of a Lévy process, viz. a Lévy jump-diffusion, which yet offers significant insight into the distributional and path structure of a Lévy process. Then, we present several important results about Lévy processes, such as infinite divisibility and the Lévy-Khintchine formula, the Lévy-Itô decomposition, the Itô formula for Lévy processes and Girsanov's transformation. Some (sketches of) proofs are presented, still the majority of proofs is omitted and the reader is referred to textbooks instead. In the second part, we turn our attention to the applications of Lévy processes in financial modeling and option pricing. We discuss how the price process of an asset can be modeled using Lévy processes and give a brief account of market incompleteness. Popular models in the literature are presented and revisited from the point of view of Lévy processes, and we also discuss three methods for pricing financial derivatives. Finally, some indicative evidence from applications to market data is presented.

研究动机与目标

• 为非专业读者提供对 Lévy 过程及其在金融建模中相关性的直观且易懂的概述。
• 解释 Lévy 过程如何捕捉金融市场的关键经验特征，如跳跃、厚尾收益分布以及随机波动率曲面。
• 在理论概念（如无限可分性、Lévy-Khintchine 表示和 Lévy-Itô 分解）与实际应用（如期权定价和风险管理）之间建立桥梁。
• 展示并比较流行的基于 Lévy 的资产定价模型，包括 Merton、Kou、CGMY 和正态逆高斯模型，突出其经验拟合效果。
• 概述三种主要的衍生品定价方法：特征函数变换、PIDE 方法和蒙特卡洛模拟，强调实现方式与数值可行性。

提出的方法

• 使用一个‘玩具’示例——Lévy 跳跃扩散模型——来说明路径特性、分布行为以及跳跃在 Lévy 过程中的作用。
• 应用 Lévy-Khintchine 公式，通过其特征三元组（漂移、扩散系数和 Lévy 测度）对 Lévy 过程的特征函数进行表征。
• 采用 Lévy-Itô 分解，根据 Lévy 测度将 Lévy 过程分解为连续部分、小跳跃部分和大跳跃部分。
• 利用 Girsanov 定理和 Esscher 变换，将物理概率测度转换为风险中性测度，从而在等价鞅测度下实现衍生品定价。
• 回顾三种定价方法：特征函数变换（例如特征函数反演）、基于 PIDE 的方法（适用于局部时和跳跃扩散模型），以及采用方差缩减技术的蒙特卡洛模拟。
• 结合了对有限活动和无限活动 Lévy 过程的模拟技术，包括复合泊松过程和无限活动过程（如 CGMY 过程）。

实验结果

研究问题

• RQ1 Lévy 过程如何通过捕捉跳跃和重尾收益，比布朗运动更准确地建模金融资产价格？
• RQ2 Lévy 测度在表征 Lévy 过程的路径特性与矩量方面起什么作用？
• RQ3 Lévy-Khintchine 公式和 Lévy-Itô 分解如何为 Lévy 过程的构建与分析提供完整的理论基础？
• RQ4 Merton、Kou、CGMY、Meixner 等流行 Lévy 模型在拟合隐含波动率曲面方面，如何优于 Black-Scholes 模型？
• RQ5 在 Lévy 过程下应用变换方法、PIDE 和蒙特卡洛模拟进行期权定价时，实际权衡与数值考虑是什么？

主要发现

• Lévy 过程，特别是跳跃扩散模型，能有效捕捉外汇和股票市场中观察到的间断性与厚尾收益分布。
• Lévy-Khintchine 公式通过其三元组（漂移、扩散系数和 Lévy 测度）对任意 Lévy 过程的特征函数提供了完整表征。
• Lévy-Itô 分解表明，任意 Lévy 过程均可分解为标准几何布朗运动、有限变差跳跃成分以及补偿后的无限活动跳跃成分。
• Girsanov 定理允许通过 Esscher 变换实现测度变换，从而在 Lévy 驱动模型中实现一致的风险中性定价。
• 在三种定价方法中，基于变换的方法（如特征函数反演）对欧式期权最为高效，而蒙特卡洛方法对路径依赖型衍生品更具灵活性。
• 来自外汇市场数据（如 USD/JPY、GBP/USD）的实证证据证实了跳跃和厚尾的存在，支持使用 Lévy 过程而非仅扩散模型。