[论文解读] Regime Switching Stochastic Volatility with Perturbation Based Option Pricing

Sovan Mitra|ArXiv.org|Apr 10, 2009

Stochastic processes and financial applications参考文献 50被引用 3

一句话总结

本文提出了一种基于扰动的制度切换随机波动率模型期权定价方法，将 Fouque 的渐近展开技术扩展至包含长期经济制度的模型。结果表明，与 Black-Scholes 模型相比，该方法将定价误差降低了 30%；与标准 Fouque 定价方法相比，降低了 20%，显著提升了 S&P 500 期权的定价准确性。

ABSTRACT

Volatility modelling has become a significant area of research within Financial Mathematics. Wiener process driven stochastic volatility models have become popular due their consistency with theoretical arguments and empirical observations. However such models lack the ability to take into account long term and fundamental economic factors e.g. credit crunch. Regime switching models with mean reverting stochastic volatility are a new class of stochastic volatility models that capture both short and long term characteristics. We propose a new general method of pricing options for these new class of stochastic volatility models using Fouque's perturbation based option pricing method. Using empirical data, we compare our option pricing method to Black-Scholes and Fouque's standard option pricing method and show that our pricing method provides lower relative error compared to the other two methods.

研究动机与目标

• 解决现有制度切换随机波动率模型中缺乏能同时捕捉短期动态与长期经济因素的解析期权定价方法的问题。
• 将 Fouque 的基于扰动的期权定价框架扩展至包含均值回归随机波动率的制度切换模型。
• 使用 S&P 500 指数期权数据，对所提方法与 Black-Scholes 和标准 Fouque 定价方法进行实证验证。
• 通过比较不同波动率制度下的相对误差，量化定价准确性的提升程度。

提出的方法

• 将 Fouque 的随机波动率渐近展开方法进行适配，采用慢速均值回归波动率过程的多尺度方法。
• 通过允许长期波动率均值和均值回归速率依赖于一个隐马尔可夫状态变量，引入制度切换机制。
• 推导出扰动展开中的首阶校正项 $ \tilde{C}_1 $，该部分捕捉了制度相关的波动率风险与波动率微笑效应。
• 利用多个到期日和行权价的 S&P 500 期权实证数据校准模型参数。
• 将期权价格表示为级数展开形式：$ C = C_0 + \tilde{\rho} C_1 + \text{高阶项} $，其中 $ C_0 $ 为 Black-Scholes 价格，$ C_1 $ 包含制度特定的校正项。
• 使用两状态马尔可夫链对经济制度（如“上行”和“下行”状态）进行建模，每个制度下具有独立的 $ \bar{\theta}_i $ 和 $ \bar{\rho}_i $。

实验结果

研究问题

• RQ1 Fouque 的基于扰动的期权定价方法能否被扩展至具有均值回归的制度切换随机波动率模型？
• RQ2 与常数或非制度特定的随机波动率模型相比，引入制度特定的波动率参数是否能降低期权定价误差？
• RQ3 该扰动方法在不同经济制度下对波动率微笑和偏度的捕捉能力如何？
• RQ4 使用制度相关的 $ \bar{\theta}_i $ 而非单一全局 $ \bar{\theta} $ 时，实证定价准确性的提升程度如何？

主要发现

• 该制度切换扰动方法将 S&P 500 期权的平均百分比定价误差降低至 6.9%，而 Black-Scholes 方法为 30.0%，标准 Fouque 定价方法为 7.3%。
• 在‘下行’状态（第二状态）中，Black-Scholes 方法的平均误差上升至 51.5%，而基于制度的该方法仅保持在 9.1% 的误差水平，显示出在市场压力下的稳健性。
• 首阶校正项 $ \tilde{\rho} C_1 $ 捕捉了波动率微笑效应，该效应在‘下行’状态中更为显著，原因在于市场风险上升以及波动率与价格冲击之间的相关性 $ \rho $ 增强。
• 该方法成功再现了多档行权价和到期日下的实证期权价格，其定价路径与实际市场数据高度吻合。
• 引入制度特定的长期波动率均值 $ \bar{\theta}_i $ 显著提升了定价准确性，尤其在高波动率和市场压力时期表现更优。
• 实证结果证实，‘下行’状态下的波动率风险更高，模型通过增强 $ \rho $ 和 $ \bar{\theta}_i $ 有效捕捉了这一特征，从而实现了对波动率微笑与偏度的更优建模。