[论文解读] Finite Element Solution of the Two-Dimensional Bates Model for Option Pricing Under Stochastic Volatility and Jumps
本文提出一种用于变换后的 Bates PIDE 的四阶紧致有限差分(HOC-FD)格式,采用 IMEX-CN 时间离散化和 Simpson 积分处理跳跃积分,并将其与二阶 FD 和二次有限元法(FEM)进行基准比较,以证明在可比精度下具有更高的效率。
We propose a fourth--order compact finite--difference (HOC--FD) scheme for the transformed Bates partial integro--differential equation (PIDE). The method employs an implicit--explicit (IMEX) Crank--Nicolson framework for local terms and Simpson quadrature for the jump integral. Benchmarks against second--order finite differences (FD) and quadratic finite elements (FEM, p=2) confirm near--fourth--order spatial accuracy for HOC--FD, near--second--order for FEM, and second--order temporal convergence for all time integrators. Efficiency tests show that HOC--FD achieves similar accuracy at up to two orders of magnitude lower runtime than FEM, establishing it as a practical baseline for option pricing under stochastic volatility jump--diffusion models.
研究动机与目标
- 在含跳跃的随机波动情形下实现准确的数值定价的动机(如 Bates 模型)。
- 为变换后的 Bates PIDE 构建高阶紧致有限差分方案。
- 在与标准二阶 FD 和二次 FEM 的对比中评估精度与效率。
- 证明 HOC-FD 在空间上接近四阶精度,且计算成本具有竞争力。
提出的方法
- 将 Bates PIDE 转换为适合数值计算的向后时间、归一化形式。
- 对局部微分算子在 3x3 领域内应用四阶紧致离散。
- 将局部算子隐式处理,跳跃积分显式通过 IMEX–Crank–Nicolson 方案处理。
- 在截断区间内使用 Simpson 求积对非局部跳跃项进行近似。
- 在精度(L2 和 RMSE)和效率(DOF、CPU 时间)方面对 HOC-FD 与二阶 FD 及 FEM(P2)进行基准比较。
![Figure 1: European put price $V(S,t)$ under the Bates model for $S\in[70,130]$ . The intrinsic payoff $\max(K-S,0)$ and the no-arbitrage lower bound $\max\{Ke^{-rT}-S,0\}$ are shown as reference curves](https://ar5iv.labs.arxiv.org/html/2602.19092/assets/x1.png)
实验结果
研究问题
- RQ1一个四阶紧致有限差分方案是否可以在结构网格上准确求解 Bates PIDE?
- RQ2HOC-FD 与标准二阶 FD 和 FEM(P2) 在空间/时间精度和计算成本方面的对比如何?
- RQ3带显式跳跃处理的 IMEX–Crank–Nicolson 方法对于 Bates 型模型是否稳定高效?
- RQ4相对于 FEM(P2),HOC-FD 在带跳跃的随机波动下的欧洲期权定价效率提升是多少?
主要发现
- HOC-FD 实现了接近四阶的空间精度,而 FEM 在空间上达到接近二阶的精度。
- 所有时间积分器的时间收敛性大约为二阶。
- HOC-FD 显著提升了效率,在相近精度下运行时间通常比 FEM(P2) 快两个数量级。
- 与二阶 FD 相比,HOC-FD 及其同行在结构网格上的成本-精度平衡显著更优。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。