[论文解读] Weak approximation of stochastic differential equations and application to derivative pricing

Syoiti Ninomiya, Nicolas Victoir|arXiv (Cornell University)|May 14, 2006

Stochastic processes and financial applications参考文献 9被引用 5

一句话总结

本文提出了一种基于维纳空间立方积分的新型弱近似算法，用于随机微分方程（SDEs），其精度高于欧拉-丸山方法，且所需时间步数更少。当与准蒙特卡洛方法结合时，可在赫斯顿模型下实现亚洲期权的极快且精确的定价，相较于标准方法，在达到10⁻⁴精度时计算速度最高提升80倍。

ABSTRACT

The authors present a new simple algorithm to approximate weakly stochastic differential equations in the spirit of [1] and [2]. They apply it to the problem of pricing Asian options under the Heston stochastic volatility model, and compare it with other known methods. It is shown that the combination of the suggested algorithm and quasi-Monte Carlo methods makes computations extremely fast. [1] Shigeo Kusuoka, ``Approximation of Expectation of Diffusion Process and Mathematical Finance,'' Advanced Studies in Pure Mathematics, Proceedings of Final Taniguchi Symposium, Nara 1998 (T. Sunada, ed.), vol. 31 2001, pp. 147--165. [2] Terry Lyons and Nicolas Victoir, ``Cubature on Wiener Space,'' Proceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences 460 (2004), pp. 169--198.

研究动机与目标

• 开发一种通用且高效的SDE弱近似概率方法，适用于一般扩散过程。
• 提升衍生品定价中的计算效率，特别是针对赫斯顿模型下路径依赖型期权（如亚洲期权）的定价。
• 将新算法与准蒙特卡洛技术结合，以实现更快的收敛速度和更低的计算成本。
• 在精度和运行时间方面，与标准欧拉-丸山方法及基于立方积分的方法相比，展示出显著更优的性能。

提出的方法

• 该方法采用改进的维纳空间立方积分方法，结合递归指数映射，以近似伊ton诺夫斯特拉顿奇 SDE 的解。
• 基于向量场的指数函数构建时间离散化方案，利用 Wong-Zakai 定理实现弱收敛。
• 采用两级时间划分策略，并引入一种新颖的外推技术，以提高收敛阶数。
• 通过集成准蒙特卡洛（QMC）采样，降低方差并加速收敛，尤其得益于该算法的低差异性结构。
• 通过赫斯顿模型上的数值实验验证该方法，比较误差、样本量和CPU运行时间。
• 进一步采用 Romberg 外推法，显著提升收敛速率，且未过度增加计算复杂度。

实验结果

研究问题

• RQ1 能否设计一种新型SDE弱近似算法，使其既具有通用性，又显著快于现有衍生品定价方法？
• RQ2 与标准蒙特卡洛或欧拉-丸山方案相比，所提出的算法在与准蒙特卡洛方法结合时表现如何？
• RQ3 在赫斯顿模型下，为实现10⁻⁴精度的亚洲期权定价，所需的时间分区数和样本点数是多少？
• RQ4 该方法在不同离散化级别和采样策略下是否仍保持高效率？
• RQ5 新算法与准蒙特卡洛结合后，在计算速度和精度方面相较于传统方法的优越程度如何？

主要发现

• 新算法仅需12个时间分区即可达到10⁻⁴精度，而标准欧拉-丸山方法需2000个分区。
• 采用 Romberg 外推后，新方法仅需4+2个分区即可达到10⁻⁴精度，而欧拉-丸山方法需16+8个分区。
• 使用准蒙特卡洛方法时，新算法仅需2×10⁵个样本即可达到10⁻⁴精度，而欧拉-丸山方法需5×10⁶个样本。
• 结合准蒙特卡洛与外推技术后，新算法在10⁻⁴精度下的运行时间仅为1.73秒，相较欧拉-丸山方法提速80倍。
• 性能提升归因于该算法的结构与准蒙特卡洛序列的低差异性高度契合。
• 结果表明，将高阶弱近似与QMC结合，可在衍生品定价中实现更优的收敛性与效率。