Estimation of domain truncation error for a system of PDEs arising in option pricing
本文研究区制转换市场模型下欧式期权定价的多维抛物型偏微分方程组,推导定义域截断误差估计,拓展常区制相关结果,得到特定区域更精确的估计,数值算例证实改进效果显著。
2024-01-28 q-fin.CP
A mixed Monte Carlo and PDE variance reduction method for foreign exchange options under the Heston-CIR model
本文研究了当汇率按照Heston模型和Cox-Ingersoll-Ross动态模型演化时,在国内外短期利率随机变化的情况下,外汇市场上欧式期权和路径依赖期权的定价问题。混合蒙特卡罗/PDE方法要求我们只模拟平方波动率和两个利率的路径,而“内部”Black-Scholes型期望通过PDE来评估。在某些情况下,根据合同和模型参数,这可以导致显著的方差缩减和复杂性改善。本文建立了汇率过程及其逼近的矩的一致有界性,并证明了后者的$L^p$($p\geq1$)的强收敛性.然后,我们进行方差缩减分析,并获得感兴趣的数量的准确近似。所有的理论贡献都可以直接扩展到多因子短期利率。最后,我们通过一个详细的定量评估说明了四因素Heston-CIR模型的方法的有效性。
2016-04-05 q-fin.CP
Deep-learning based numerical BSDE method for barrier options
众所周知,期权价格是具有终端条件(支付函数)的某个偏微分方程(PDE)的解。偏微分方程的解与倒向随机微分方程的解有着密切的联系。我们既可以求解偏微分方程得到期权价格,也可以求解与之相关的期权价格。最近,一种深度学习技术已经被应用于使用贝叶斯方法求解期权价格。在这种方法中,深度学习被用来学习一些确定性函数,这些函数用于求解具有终端条件的边界条件。在本文中,我们扩展了深度学习技术来求解具有终端和边界条件的PDE。特别是,我们将采用该技术来解决障碍期权使用布朗运动桥梁。
2019-04-11 q-fin.CP q-fin.MF q-fin.PR
Approximating Functional of Local Martingale Under the Lack of Uniqueness of Black-Scholes PDE
当标的股票价格是等价局部鞅测度下的严格局部鞅过程时,与欧式期权相关联的Black-Scholes偏微分方程可能有多个解.本文研究了这种欧式期权的最小套期保值价格的一个近似。我们的研究结果表明,一类回扣障碍期权可以用于这种近似。其中,一个特定的折扣选项也提供了一个连续的折扣函数,它对应于唯一的经典解的相关抛物型偏微分方程。这种构造使得现有的数值偏微分方程技术适用于其计算。在适当的条件下,研究了当撞出障碍移动到无穷远时的渐近收敛速度。
2012-09-21 math.PR q-fin.CP q-fin.PR
Error Analysis of Option Pricing via Deep PDE Solvers: Empirical Study
Tohoku University(东北大学);Preferred Networks, Inc.(Preferred Networks 公司)
本研究通过实证对比和消融实验,系统分析了深度PDE求解器在高维期权定价中的三类误差来源,发现DBSDE方法性能优越且对期权规格变化鲁棒,并揭示了性能与批大小及时间步数的平方根成反比的关系,为实际应用提供了计算资源估算依据。
2023-11-13 cs.LG cs.NA math.NA
End-to-End PDE-Based Quantum Algorithms for Multi-Asset Option Pricing under Local and Stochastic Volatility
Global College, Shanghai Jiao Tong University(上海交通大学全球学院);Institute of Natural Sciences, School of Mathematical Sciences, Shanghai Jiao Tong University(上海交通大学数学科学学院自然科学研究院);Ministry of Education Key Laboratory in Scientific and Engineering Computing, Shanghai Jiao Tong University(上海交通大学教育部科学与工程计算重点实验室);SPMS, Nanyang Technological University(南洋理工大学理学院)
提出一种端到端量子PDE框架,通过有限差分离散化求解局部波动率Black-Scholes和Heston模型下的多资产欧式期权定价问题,在单点恢复上实现了多项式加速。
2026-05-26 q-fin.CP quant-ph
Path-dependent option pricing with two-dimensional PDE using MPDATA
本文提出一种基于二阶 MPDATA 有限差分格式的二维 PDE 方法,通过将对流扩散方程转化为输运问题来稳健评估路径依赖亚式期权,并验证了其准确性与开源实现。
2025-05-30 q-fin.CP
Error Analysis of Deep PDE Solvers for Option Pricing
Delft Institute of Applied Mathematics, EEMCS, TU Delft(代尔夫特应用数学研究所,EEMCS,代尔夫特理工大学)
本文通过Black--Scholes和Heston模型下的对比实验,系统分析了Deep Galerkin Method和TDGF两种深度PDE求解器在期权定价中的经验收敛速率与训练时间,为实际应用提供指导。
2025-05-08 cs.LG q-fin.CP q-fin.MF
Pricing American Commodity Options Under the Schwartz Two-Factor Model Using the Alternating Direction Explicit (ADE) Method
本研究采用双扫描交替方向显式(ADE)方法求解Schwartz两因子模型的美式商品期权定价,经C++实现验证精度后扩展至期货价格行权与季节性参数场景。
2026-10-16 q-fin.CP
Pricing spread option with liquidity adjustments
我们研究了相关资产上的欧式价差期权的定价和套期保值,与标准框架相反,并与不完全流动性市场相一致,股票市场中的交易对股票价格有直接影响。我们考虑了一个部分影响和一个完全影响模型,其中价格影响是由市场中的每一个交易策略引起的。得到并分析了广义Black-Scholes定价偏微分方程。我们进行了数值分析,以显示非流动性的影响,复制策略的欧式价差期权。与布莱克-斯科尔斯模型或部分影响模型相比,完全影响模型中的交易者购买更多的股票来复制期权,这导致了更高的期权价格。
2021-01-01 q-fin.CP
Quantum Monte Carlo algorithm for solving Black-Scholes PDEs for high-dimensional option pricing in finance and its complexity analysis
Nanyang Technological University(南洋理工大学);Texas A&M University(德克萨斯农工大学)
本文提出一种量子蒙特卡洛算法求解带相关性的高维 Black-Scholes PDE 以进行期权定价,证明了其在空间维度和精度倒数上具有多项式复杂度界,并在有界收益函数下相比经典方法实现加速。
2025-11-04 cs.NA math.NA q-fin.CP
Finite Element Method for HJB in Option Pricing with Stock Borrowing Fees
本文针对含股票借贷费用的期权定价HJB方程,提出基于非均匀网格的有限元方法,绕开解析最优控制直接离散PDE,并结合theta格式与Newton型算法,数值实验表明P2-FEM在精度和效率上优于FDM和P1-FEM。
2025-01-04 q-fin.CP
A Semi-group Expansion for Pricing Barrier Options
本文提出了一种新的连续监测障碍期权定价的渐近展开方法。特别地,我们对障碍期权定价中的二阶抛物型偏微分方程的Cauchy-Dirichlet问题建立了一个半群展开格式.作为应用,我们在一个随机波动率模型下给出了一个具体的近似公式,并通过数值实验证明了其有效性。
2013-06-04 math.AP math.PR q-fin.CP
Mathematical Modeling of Option Pricing with an Extended Black-Scholes Framework
Harvard University(哈佛大学)
本研究扩展Black-Scholes模型纳入随机波动率与利率变动性,结合有限差分法求解PDE,对比扩展模型与LSTM模型在Google股票期权定价中的表现,发现LSTM精度更高、有限差分法效率更优,为混合金融建模提供参考。
2025-04-13 cs.LG cs.NA math.NA
Model reduction for calibration of American options
Technische Universität München(慕尼黑工业大学)
本文提出两种模型降维策略加速美式期权校准,通过降维基和去美式化策略减少计算复杂度,利用Heston模型进行验证。
2016-11-19 cs.NA math.NA q-fin.CP
Option Pricing with Stochastic Volatility, Equity Premium, and Interest Rates
本文提出一种整合BSM、Heston、Vasicek和Campbell and Viceira模型的新期权定价框架,考虑了波动率、利率和股权溢价的时变特征,推导出新的PDE并利用有限差分法对欧式、障碍和亚式期权进行定价。
2024-08-27 math.AP q-fin.CP q-fin.MF
KANHedge: Efficient Hedging of High-Dimensional Options Using Kolmogorov-Arnold Network-Based BSDE Solver
Preferred Networks, Inc.
KANHedge通过基于Kolmogorov-Arnold网络的BSDE求解器提升高维期权对冲性能。
2026-01-16 cs.LG q-fin.CP
Monte-Carlo methods for the pricing of American options: a semilinear BSDE point of view
本文将文献[5]中关于看涨/看跌美式期权价格的黏性解特征推广到多维情形下的一般支付函数的情形:价格满足半线性反应/扩散型方程.在此基础上,我们提出了两个新的数值格式的启发分支过程为基础的算法[8]。我们的数值实验表明,用局部多项式来逼近相关反应/扩散偏微分方程的不连续驱动因子是不有效的,而一个简单的随机化过程可以提供很好的结果.
2018-11-15 math.PR q-fin.CP
A new approach for American option pricing: The Dynamic Chebyshev method
提出了一种基于Chebyshev插值的美式期权定价方法。在动态规划时步的每一步中,我们用切比雪夫多项式逼近值函数。这种方法的主要优点是,它允许在时间步进之前将依赖于模型的计算转移到离线阶段。在离线部分,一个家庭的广义(条件)的时刻计算通过适当的数值技术,如蒙特卡罗,PDE或傅立叶变换为基础的方法。由于这种方法的灵活性,该方法适用于各种各样的模型。在线,逆向归纳在离散切比雪夫网格上求解,并且不需要计算(条件)期望。对于每个时间步,该方法提供了价格函数的封闭形式近似值以及期权的delta和gamma。此外,相同的家庭(条件)的时刻产生多个输出,包括不同的罢工,到期日和不同的回报配置文件的期权价格。我们提供了一个理论上的误差分析,并找到暗示各种股票价格模型的显式误差界的条件。数值实验证实了价格和灵敏度的快速收敛。对精度和运行时间的实证研究也表明,与Longstaff和Schwartz(2001)介绍的最小二乘蒙特卡罗方法相比,效率有所提高。
2018-06-14 q-fin.CP
Pricing Lookback Options on a Quantum Computer
Quantum AlgoLab, Institut quantique, University of Sherbrooke(舍布鲁克大学量子研究所);Autorité des marchés financiers(魁北堡金融市场管理局);Department of Mathematics, University of Sherbrooke(舍布鲁克大学数学系)
本文提出量子算法在Black-Scholes框架下定价具有回溯条款的离散监控期权,通过变分量子虚时间演化方法处理跳跃条件,为复杂衍生品的量子定价奠定基础。
2026-04-01 q-fin.CP
Machine Learning Methods for Pricing Financial Derivatives
本文提出用神经网络建模SDE的漂移和波动率函数,针对欧式期权开发快速SGD算法,对美式期权优化Kolmogorov PDE,并在真实市场数据上验证其样本外定价准确性优于传统模型。
2024-06-01 q-fin.CP q-fin.MF q-fin.ST
A Two-Step Longstaff Schwartz Monte Carlo Approach to Game Option Pricing
本文针对博弈期权定价提出一种在每个时间步拟合两个回归模型的两步 LSMC 方法,以克服原始 LSMC 的缺陷,并通过数值实验证明其比原始方法更可靠。
2024-01-16 q-fin.CP q-fin.PR
Full grid solution for multi-asset options pricing with tensor networks
Department of Computer Science, University of Copenhagen(哥本哈根大学计算机科学系)
本文提出利用张量网络技术解决多资产期权定价问题,通过QTT方法实现高维问题的高效求解,提升了计算精度和处理能力。
2026-02-23 cs.NA math.NA physics.comp-ph
An iterative splitting method for pricing European options under the Heston model
本文提出了一种迭代分裂方法来求解期权定价问题中的偏微分方程。我们重点讨论了Heston随机波动模型及其二维偏微分方程。我们以欧式期权为例,在不同的边界条件下进行了数值实验。迭代分裂法将二维方程转化为两个准一维方程,另一维变量不变,从而降低了计算量。数值结果表明,与Heston(1993)常用边界条件的经典有限差分方法相比,基于Li和Huang(2019)方法的迭代分裂方法和人工边界条件(ABC)给出了最准确的期权价格和希腊人。
2020-03-29 cs.CE q-fin.CP
ADI finite difference schemes for the Heston-Hull-White PDE
University of Antwerp(安特卫普大学)
本文研究交替方向隐式(ADI)时间离散格式在三维Heston-Hull-White偏微分方程数值求解中的有效性,通过非均匀空间网格上的有限差分半离散化,验证了ADI格式在多种情形下的稳定性、精度和效率。
2011-11-17 cs.NA math.NA q-fin.CP
Pricing Multi-strike Quanto Call Options on Multiple Assets with Stochastic Volatility, Correlation, and Exchange Rates
本文研究多资产、多执行价格双币种看涨期权定价,通过比较多种随机波动率、相关性和汇率模型,确定 GARCH-Jump SV、Weibull SC 与 OU SER 组合及 Milstein 离散化方案在蒙特卡洛模拟中表现最佳,并推导出相关性风险参数以支持对冲。
2024-11-25 q-fin.CP q-fin.MF q-fin.PR
Adapting the CVA model to Leland's framework
我们考虑了Burgard和Kjaer(2011)提出的框架,该框架推导出了PDE,该PDE控制了包括双边交易对手风险和融资在内的期权价格。我们通过放宽套期保值投资组合中不存在交易成本的假设,提出了与交易资产和交易价格成比例的成本来扩展这项工作。在得到非线性偏微分方程后,我们证明了相应的初边值问题解的存在性。此外,我们开发了一个数值方案,允许通过为模型的每个参数设置不同的值来找到PDE的解决方案。为了了解模型中每个变量的影响,我们分析了希腊期权和价格对所有风险因素变化的敏感性。
2018-02-13 math.AP q-fin.CP q-fin.MF
A Space Mapping approach for the calibration of financial models with the application to the Heston model
本文提出基于空间映射的Heston模型参数校准新方法,利用粗代理模型与精细模型结合,通过梯度下降算法求解PDE约束优化,数值实验验证了其在金融校准中的可行性。
2025-01-24 cs.NA math.NA q-fin.CP
Existence & Regularity of Weak Solutions of Degenerate Parabolic PDE Models for the Pricing of Security Derivatives
University of Phoenix(凤凰城大学);University of NC at Charlotte(北卡罗来纳大学夏洛特分校)
针对亚洲期权定价中出现的退化抛物型偏微分方程,通过有限差分数值格式证明边界退化模型的广义可解性,并研究解的正则性。
2009-02-11 cs.NA math.AP math.NA
Joint Modelling and Calibration of SPX and VIX by Optimal Transport
本文研究SPX期权和VIX期权或期货的联合校准问题。我们表明,该问题可以制定为一个半鞅最优运输问题下的有限数量的离散约束,在精神[arXiv:1906.06478]。我们介绍了一个偏微分方程制定连同其对偶。该解是一个校准的扩散过程,可以通过由对偶公式产生的哈密顿-雅可比-贝尔曼方程的解来表示。模拟数据和市场数据的方法进行了测试。数值算例表明,该模型可以同时对SPX期权、VIX期权和VIX期货进行准确的校准。
2021-09-03 math.OC q-fin.CP q-fin.MF
Pricing Barrier Options with DeepBSDEs
本文针对现有深度BSDE方法无法直接处理障碍期权边界条件的问题,通过在计算图中新增监控与状态保存节点拓展前向深度BSDE,实现了高低维场景下任意障碍条件与Dirichlet边界条件的障碍期权定价。
2024-09-11 q-fin.CP q-fin.MF q-fin.PR
Constrained deep learning for pricing and hedging european options in incomplete markets
Inria, CMAP, CNRS, École polytechnique, Institut Polytechnique de Paris(法国国家信息与自动化研究所,数学与计算数学中心,法国国家科学研究中心,巴黎综合理工学院,巴黎理工学院)
本文提出约束深度学习方法,用于在不完全市场中处理欧洲期权的定价与对冲,通过约束架构解决非光滑支付问题,提升P&L分布性能。
2025-11-25 q-fin.CP stat.ML
The Pricing of Multiple-Expiry Exotics
本文推广了Buchen的方法,利用高阶二元期权的概念,发展了一种新的定价方法,解决了具有多个到期日(多于3个到期日)的奇异期权的定价问题。首先介绍了高阶二元期权的概念,然后利用偏微分方程方法给出了$n$ -阶二元期权的定价公式。然后,我们将其应用于多到期奇异期权的定价,如多到期期权、多时间可延长期权、多点期权等。这里,在计算具体的多到期奇异期权的价格时,我们不求Black-Scholes方程相应的初边值问题的形式解,但是解释如何将奇异期权的到期收益表示为某类高阶二元期权的收益的组合。一旦到期收益被表示为某类高阶二元期权收益的线性组合,为了避免套利,奇异期权的价格通过关于这类高阶二元期权的静态复制来获得。
2013-08-07 q-fin.CP q-fin.PR
A Numerical Approach to Pricing Exchange Options under Stochastic Volatility and Jump-Diffusion Dynamics
当标的资产价格模型为随机波动率和跳跃扩散动力学时,我们考虑了一种确定欧式和美式交换期权价格的线方法(MOL)。由于MOL,与任何其他数值计划的偏微分方程,变得越来越复杂,当涉及到更高的维度,我们首先简化的问题,通过转换的交换期权到一个看涨期权上写的两种资产的收益率过程的比率。这是通过将第二个资产收益率过程作为计算单位来实现的。我们还刻画了美式交换期权提前执行边界的近到期行为,并分析了模型参数对这一行为的影响。使用MOL方案,我们进行了数值比较静态分析的交换期权价格相对于模型参数和研究的影响,随机波动率和跳跃的期权价格。我们还考虑了边界条件的影响,但有限的计算域上的MOL计划的整体效率的限制。为了实现这些目标,简要阐述了MOL和它如何可以实现计算软件。
2021-06-04 q-fin.CP q-fin.PR
Neural Networks with Local Converging Inputs for Efficient Options Pricing Models
School of Mathematics, Georgia Institute of Technology(佐治亚理工学院数学学院)
该研究提出NNLCI神经网络,通过局部校正粗细网格的期权定价解,以少量高保真数据训练,将细网格解的RMSE降低4-12倍,可高效用于高维期权定价,降低计算需求。
2026-08-05 cs.LG q-fin.CP
Isogeometric Analysis for the Pricing of Financial Derivatives with Nonlinear Models: Convertible Bonds and Options
该研究将等几何分析(IGA)应用于两类非线性Black-Scholes PDE建模的金融衍生品定价,通过非均匀节点与加权三次NURBS实现了比FDM、FEM更少网格下的高精度求解,显著提升计算效率。
2024-12-12 cs.NA math.NA q-fin.CP
Machine learning for option pricing: an empirical investigation of network architectures
Delft Institute of Applied Mathematics, TU Delft(代尔夫特应用数学研究所,代尔夫特理工大学);Institute of Applied and Computational Mathematics, FORTH(应用与计算数学研究所,希腊国家科研院);Department of Mathematics, TU Munich(数学系,慕尼黑工业大学)
本文通过实证研究比较了不同网络架构在期权定价和隐含波动率计算中的性能,发现广义高速公路网络架构在准确性与训练时间方面表现最佳。
2026-01-29 cs.LG q-fin.CP
Integrals of Higher Binary Options and Defaultable Bond with Discrete Default Information
本文利用高阶二元期权及其积分方法研究了在无风险短期利率为常数的情况下,具有离散违约强度和障碍的可违约债券的定价问题。在我们的信用风险模型中,无风险的短期利率是一个常数,当公司价值在预定的离散公告日期达到给定的违约障碍时,违约事件以预期的方式发生,或者在违约强度由时间变量的阶跃函数给出的泊松过程的第一跳时刻以非预期的方式发生。我们考虑内生和外生违约恢复。我们的定价问题是一个非齐次或齐次的Black-Scholes偏微分方程的求解问题,具有不同的系数和终端值的二元型在每个子区间之间的两个相邻的公告日期。为了处理子区间中系数的差异,我们使用具有不同系数的高阶二进制的价格之间的关系。在我们的模型中,由于与内生恢复相关的非齐次项,我们的定价公式不仅由更高的二元期权的价格表示,而且还由它们的积分表示。因此,我们考虑了一种特殊的二元期权,称为第i个二元期权的积分或零,然后利用高阶二元期权的定价公式和它们的积分,得到了我们可违约公司债券的定价公式。
2013-10-22 q-fin.CP q-fin.PR q-fin.RM
Deep Learning-Based BSDE Solver for Libor Market Model with Application to Bermudan Swaption Pricing and Hedging
Wells Fargo Bank(富国银行)
本文提出了一种基于深度学习的BSDE求解器,用于解决Bermudan期权的高维随机优化控制问题,展示了该方法在利率衍生品定价和对冲中的高效性和有效性。
2018-09-22 cs.NA math.NA q-fin.CP
Pricing foreign exchange options under stochastic volatility and interest rates using an RBF--FD method
Institute for Advanced Studies in Basic Sciences (IASBS)(基础科学高等研究院);Tandon School of Engineering, New York University(纽约大学坦顿工程学院)
本文提出了一种数值方法,用于在考虑随机利率和外汇汇率随机波动率的模型中定价外汇期权。该模型考虑了四个随机驱动因素,每个都由带有时间依赖漂移的伊藤扩散过程表示,并具有完全相关矩阵。已知在该模型中外汇期权的价格可以通过求解相关的反向偏微分方程(PDE)来找到。然而,该方程包含非仿射项,这使得解析求解变得困难。此外,使用传统有限差分(FD)或有限元(FE)方法进行数值求解会带来高计算负担。因此,本文开发了一种局部化的径向基函数(RBFs)方法,即RBF-FD方法,该方法能够在相对较低的计算成本下实现较高的精度。数值模拟的结果展示了该方法在外汇期权定价和计算相关希腊字母方面在性能和精度上的效率。
2019-03-03 cs.NA math.NA q-fin.CP
MLP, XGBoost, KAN, TDNN, and LSTM-GRU Hybrid RNN with Attention for SPX and NDX European Call Option Pricing
Columbia University(哥伦比亚大学);Recognition Technologies, Inc.(识别技术公司)
本研究探讨了多种神经网络架构及XGBoost在SPX和NDX欧式看涨期权定价中的表现,发现带注意力机制的LSTM-GRU混合RNN模型优于BS基准及其他模型。
2024-10-14 cs.CE cs.LG q-fin.CP