[论文解读] On the Performance of Delta Hedging Strategies in Exponential Lévy Models
本文利用拉普拉斯变换方法，为指数 Lévy 模型中的均方对冲误差推导出半显式公式，从而能够直接比较非最优对冲策略（如 Black-Scholes 和模型对冲头寸）与均值-方差最优对冲策略的表现。主要贡献在于提出了一种可计算的方法，用于量化在模型误设情况下的绩效差距。
We consider the performance of non-optimal hedging strategies in exponential Lévy models. Given that both the payoff of the contingent claim and the hedging strategy admit suitable integral representations, we use the Laplace transform approach of Hubalek et al. (2006) to derive semi-explicit formulas for the resulting mean squared hedging error in terms of the cumulant generating function of the underlying Lévy process. In two numerical examples, we apply these results to compare the efficiency of the Black-Scholes hedge and the model delta to the mean-variance optimal hedge in a normal inverse Gaussian and a diffusion-extended CGMY Lévy model.
研究动机与目标
- 量化在由指数 Lévy 过程驱动的不完全市场中，非最优对冲头寸策略的对冲表现。
- 将先前关于均方对冲误差的研究结果扩展至一般 Lévy 过程，并涵盖超出鞅假设的更广泛对冲头寸策略类别。
- 提供一种计算上可行的方法，用于比较实际对冲策略（如 Black-Scholes、模型对冲头寸）与理论上最优的均值-方差对冲策略的效率。
- 通过矩生成函数和收益与策略的积分表示，实现对冲误差的数值评估。
提出的方法
- 采用 Hubalek 等人 [11] 提出的拉普拉斯变换方法，推导出均方对冲误差的半显式表达式。
- 将对冲误差表示为底层 Lévy 过程的矩生成函数，以及收益和策略的积分表示形式。
- 应用复分析技术，包括在复平面上的围线积分，以计算对冲误差的二次变差与互变差分量。
- 利用半鞅的随机积分与可预测补偿器理论，严格定义并计算误差分量。
- 通过结合收益与策略的积分表示、Lévy 过程及其特征函数的性质，推导出主要结果（定理 4.2）。
- 通过两个数值示例验证该方法，采用来自真实市场数据校准的参数（NIG 与 CGMY 模型）。
实验结果
研究问题
- RQ1在正常逆高斯 Lévy 模型中，Black-Scholes 对冲头寸的均方对冲误差与均值-方差最优对冲策略相比如何？
- RQ2在扩散扩展的 CGMY Lévy 模型中，基于实际校准参数，模型对冲头寸与最优对冲策略之间的绩效差距是多少？
- RQ3拉普拉斯变换方法是否能为一般指数 Lévy 模型中的对冲误差提供超越鞅假设的半显式公式？
- RQ4模型误设与非最优对冲策略如何影响不完全市场中终端对冲误差的分布？
主要发现
- 本文利用矩生成函数与复积分表示，推导出指数 Lévy 模型中 Δ-策略均方对冲误差的半显式公式。
- 在正常逆高斯（NIG）模型中，Black-Scholes 对冲策略的对冲误差显著高于均值-方差最优对冲策略，尤其在长期到期时更为明显。
- 在扩散扩展的 CGMY 模型中，模型对冲头寸优于 Black-Scholes 对冲策略，但仍相对于方差最优策略存在可观测的误差。
- 均值-方差最优对冲策略在两个模型中均一致实现最低的均方误差，证实其理论上的优越性。
- 所推导的公式计算上可行，可高效实现对冲策略的数值比较，无需蒙特卡洛模拟。
- 该方法对模型误设具有鲁棒性，适用于包括带跳和随机波动率在内的广泛 Lévy 过程类别。
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。