[论文解读] Quasi-Monte Carlo methods for the Heston model

Jan Baldeaux, Dale Roberts|arXiv (Cornell University)|Feb 15, 2012

Stochastic processes and financial applications被引用 5

一句话总结

本文提出了一种新颖的准蒙特卡罗（QMC）框架，用于在Heston和SVJ随机波动率模型下定价路径依赖型衍生品，采用Broadie-Kaya精确模拟方案及定制的桥接构造以提升QMC效率。主要贡献在于证明QMC显著优于标准蒙特卡罗方法，尤其是在通过定制桥接将方差分配至早期QMC维度时效果更佳。

ABSTRACT

In this paper, we discuss the application of quasi-Monte Carlo methods to the Heston model. We base our algorithms on the Broadie-Kaya algorithm, an exact simulation scheme for the Heston model. As the joint transition densities are not available in closed-form, the Linear Transformation method due to Imai and Tan, a popular and widely applicable method to improve the effectiveness of quasi-Monte Carlo methods, cannot be employed in the context of path-dependent options when the underlying price process follows the Heston model. Consequently, we tailor quasi-Monte Carlo methods directly to the Heston model. The contributions of the paper are threefold: We firstly show how to apply quasi-Monte Carlo methods in the context of the Heston model and the SVJ model, secondly that quasi-Monte Carlo methods improve on Monte Carlo methods, and thirdly how to improve the effectiveness of quasi-Monte Carlo methods by using bridge constructions tailored to the Heston and SVJ models. Finally, we provide some extensions for computing greeks, barrier options, multidimensional and multi-asset pricing, and the 3/2 model.

研究动机与目标

• 开发一种适用于Heston和SVJ模型的实用QMC框架，其中由于缺乏联合过渡密度，标准QMC技术（如线性变换法）不可行。
• 证明QMC方法在随机波动率模型下对路径依赖型衍生品的定价中优于传统蒙特卡罗方法。
• 通过设计针对模型的桥接构造，将方差分配至QMC的早期维度，从而提升QMC效率。
• 将QMC方法扩展至计算希腊值、障碍期权、多资产模型以及$3/2$模型。

提出的方法

• 使用Broadie-Kaya精确模拟方案生成Heston和SVJ模型的样本路径，避免离散化偏差。
• 应用Sobol点集结合Owen扰动法，提升由路径依赖收益引起的高维积分中QMC的收敛速度。
• 为方差过程（基于[40, 51]）和具有时变波动率的布朗运动（来自[24]）开发定制桥接构造，实现方差向早期维度的分配。
• 将跳跃过程的桥接抽样方法（来自[5]）适配至SVJ模型，确保路径连续性并提升QMC性能。
• 通过联合模拟相关波动率与资产价格，利用非中心$\chi^2$分布与条件积分，将框架扩展至多资产模型。
• 通过将波动率过程转换为平方根过程，并利用拉普拉斯变换抽样法计算积分方差，将基于桥接的精确模拟方法应用于$3/2$模型。

实验结果

研究问题

• RQ1 尽管由于缺乏联合过渡密度而无法应用线性变换法，QMC方法是否仍可有效应用于Heston模型？
• RQ2 如何为Heston和SVJ模型设计桥接构造，以通过将方差分配至QMC的早期维度来提升QMC的有效性？
• RQ3 在随机波动率模型下，QMC在路径依赖型期权定价中相较于标准蒙特卡罗方法的优越程度如何？
• RQ4 QMC框架是否可扩展至计算希腊值、障碍期权、多资产衍生品以及$3/2$模型？

主要发现

• 使用Sobol序列与Owen扰动法的QMC方法在Heston和SVJ模型下对路径依赖型期权的定价中，始终优于标准蒙特卡罗方法。
• 采用针对模型的桥接构造显著提升了QMC收敛速度，通过将更多方差分配至QMC点集的前几个维度实现。
• 该框架通过将波动率过程转换为平方根过程并利用拉普拉斯变换进行精确模拟，成功处理了$3/2$模型。
• 通过将桥接抽样方法扩展至此类衍生品类型，该方法可实现对希腊值的精确计算及障碍期权的定价。
• 即使在Feller条件不成立时，该方法依然稳健，适用于现实市场应用。
• 多资产模型的扩展通过联合模拟相关波动率与资产价格实现，利用条件分布与相关布朗桥。