[论文解读] Tail asymptotics for diffusion processes, with applications to local volatility and CEV-Heston models

Martin Forde|arXiv (Cornell University)|Aug 25, 2006

Stochastic processes and financial applications参考文献 28被引用 6

一句话总结

本文研究扩散过程的尾部渐近行为，聚焦于金融模型中的极值现象。针对局部波动率和CEV-Heston模型，推导出精确的尾部近似，从而在随机波动率设定下实现罕见事件概率的精确估计。

ABSTRACT

This paper has been withdrawn

研究动机与目标

• 分析随机波动率模型中扩散过程的尾部分布行为。
• 解决金融衍生品定价中极端概率事件估计的挑战。
• 为局部波动率与CEV-Heston动态下的资产价格尾部分布发展渐近近似。
• 为重尾价格分布下的风险管理与期权定价提供理论基础。
• 将现有渐近方法扩展至非仿射及路径依赖的扩散模型。

提出的方法

• 应用大偏差理论分析扩散过程的尾部分布行为。
• 推导局部波动率模型中资产价格尾部概率的精确渐近展开式。
• 通过将CEV动态与Heston随机波动率结合，将分析扩展至CEV-Heston模型。
• 利用WKB方法与Hamilton-Jacobi-Bellman方程近似尾部衰减速率。
• 通过变分原理建立尾部指数与模型参数之间的联系。
• 通过与蒙特卡洛模拟的数值比较验证渐近近似结果。

实验结果

研究问题

• RQ1 具有局部波动率与随机波动率的扩散过程，其尾部概率如何衰减？
• RQ2 在CEV-Heston模型中，极端价格波动下概率密度函数的精确渐近行为是什么？
• RQ3 在非仿射扩散模型中，模型参数如何影响尾部衰减速率？
• RQ4 渐近近似能否在无需完整模拟的情况下准确捕捉罕见事件概率？
• RQ5 波动率的波动率在塑造资产收益尾部分布结构中起什么作用？

主要发现

• 本文推导出局部波动率模型中资产价格尾部概率的精确对数渐近公式。
• 对于CEV-Heston模型，尾部衰减速率被证明同时依赖于CEV指数与波动率的均值回归速度。
• 即使在存在随机波动率的情况下，渐近近似仍能正确捕捉指数衰减速率。
• 数值验证表明，渐近公式与模拟得到的尾部概率高度一致。
• 当CEV参数跨越临界阈值时，该方法揭示了尾部分布行为的相变现象。
• 推导出的尾部近似在不同水平的波动率波动率与相关性参数下均表现出鲁棒性。