[论文解读] Don't stay local - extrapolation analytics for Dupire's local volatility

Peter K. Friz, Stefan Gerhold|arXiv (Cornell University)|May 6, 2011

Stochastic processes and financial applications参考文献 24被引用 3

一句话总结

本文提出了一种新颖的解析公式，利用鞍点法和矩生成函数，在极端行权价区间近似局部波动率。它推导出Heston模型中Dupire局部波动率的显式渐近表达式，表明当对数行权价 $k \to \infty$ 时，$\sigma_{ ext{loc}}^2(k,T)/k$；收敛到一个涉及模型参数的闭式表达式，从而实现对观测市场行权价之外区域的稳健外推。

ABSTRACT

A robust implementation of a Dupire type local volatility model is an important issue for every option trading floor. Typically, this (inverse) problem is solved in a two step procedure : (i) a smooth parametrization of the implied volatility surface; (ii) computation of the local volatility based on the resulting call price surface. Point (i), and in particular how to extrapolate the implied volatility in extreme strike regimes not seen in the market, has been the subject of numerous articles, starting with Lee (Math. Finance, 2004). In the present paper we give direct analytic insights into the asymptotic behavior of local volatility at extreme strikes.

研究动机与目标

• 解决在市场数据稀疏或缺失的极端行权价区间中稳健外推局部波动率的挑战。
• 为大或小行权价下局部波动率的渐近行为提供直接的解析洞察。
• 在对数收益矩生成函数在上临界矩处发散的假设下，推导Heston模型中局部波动率的闭式近似。
• 建立一个通用的近似公式（1.6），其有效性不仅限于Heston模型，且在鞍点方法适用时均适用。
• 通过在Heston框架下对Riccati方程应用常微分方程比较技术，严格证明渐近近似的合理性。

提出的方法

• 该方法依赖于在定价测度下对数价格矩生成函数的鞍点近似来处理局部波动率公式。
• 关键近似为 $\sigma_{\text{loc}}^2(k,T) \approx \left. \frac{2\partial_T m(s,T)}{s(s-1)} \right|_{s=\hat{s}(k,T)}$，其中 $\hat{s}(k,T)$ 是方程 $\partial_s m(s,T) = k$ 的解。
• 分析假设矩生成函数 $M(s,T) = \mathbb{E}[\exp(sX_T)]$ 在区间 $ (s_-, s_+) $ 内有限，且满足 $ \lim_{s \uparrow s_+} M(s,T) = \infty $，这在Heston模型中成立。
• 对于Heston模型，作者推导出 $ R_1 $ 和 $ R_2 $ 关于模型参数 $ c, \rho, b, s_+ $ 的显式表达式，从而得到定理1中的渐近比值。
• 证明过程通过在控制矩生成函数的Riccati方程上应用常微分方程比较技术，建立辅助函数 $ f(t) $ 和 $ g(t) $ 的界，以控制渐近行为。
• 该方法通过数值验证，并通过Karamata的Tauberian定理扩展至非Heston模型，表明即使在鞍点方法不严格适用时，结果依然稳健。

实验结果

研究问题

• RQ1 在Heston模型中，当行权价趋于无穷大时，局部波动率的渐近行为如何？
• RQ2 能否仅基于对数价格的矩生成函数，为极端行权价下的局部波动率推导出闭式近似？
• RQ3 在Heston模型中，局部波动率作为对数行权价的函数，其增长的确切速率是多少？它如何依赖于模型参数？
• RQ4 鞍点近似公式（1.6）在Heston模型之外的适用范围有多大？当矩生成函数缓慢发散时，该公式在何种情况下仍可信赖？
• RQ5 如何通过微分方程分析和比较原理，严格证明局部波动率的渐近行为？

主要发现

• 在 $ \rho \leq 0 $ 的Heston模型中，局部波动率满足 $ \lim_{k \to \infty} \frac{\sigma_{\text{loc}}^2(k,T)}{k} = \frac{2}{T \, s_+(s_+ - 1) R_1 / R_2} $，其中 $ R_1 $ 和 $ R_2 $ 是关于模型参数和 $ s_+ $ 的显式函数。
• 近似公式（1.6）在Heston模型中被证明与精确表达式渐近等价，为外推提供了严格的理论基础。
• 即使矩生成函数缓慢发散，鞍点公式（1.6）仍能给出出人意料的准确结果，这在变方差伽马模型的数值实验中得到验证。
• 作者建立了 $ f(t) \in [-C_{3,T} y^2, -C_{1,T} y] $ 和 $ g(t) \in [-C_{4,T} y^3, C_{2,T} y] $，其中常数显式依赖于模型参数，这对证明渐近行为至关重要。
• 证明依赖于通过常微分方程比较技术对Riccati方程的解进行有界控制，表明 $ g(t) \geq 0 $，并导出对 $ f $ 和 $ g $ 的紧致界，从而控制渐近动力学。
• 该方法具有通用性，适用于任何矩生成函数表现良好且鞍点方法适用的模型，为局部波动率建模中替代经验外推法提供了一种稳健的替代方案。