Asymptotic equivalence and sufficiency for volatility estimation under microstructure noise
金融中的高频数据的基本模型被认为是一个有效的价格过程中观察到的微观结构噪声。它表明,这个非参数模型是在Le Cam的意义下渐近等价于高斯移位实验的波动函数$σ$的平方根。作为应用,构造了简单的波动率最优估计和综合波动率的有效估计。
2010-01-18 math.PR math.ST q-fin.ST
Limit theorems for Gaussian fields via Chaos Expansions and Applications
该博士论文结合Malliavin演算与Stein方法,研究宇宙学随机超球谐函数非线性泛函定量CLT、金融粗糙波动率分数Ornstein-Uhlenbeck过程问题,还运用大偏差理论分析非自相似随机波动率模型的短时渐近性。
2024-06-25 math.PR
Short-time asymptotics for non self-similar stochastic volatility models
针对非自相似随机波动率模型,提出无需自相似假设的短时大偏差原理,应用于对数调制分数布朗运动和分数Ornstein-Uhlenbeck过程,推导短到期期权价格、隐含波动率曲面及偏斜的渐近性质。
2023-11-13 math.PR q-fin.MF
Non--regular McKean--Vlasov equations and calibration problem in local stochastic volatility models
本文在系数关于测度变量仅具极小连续性的条件下研究非正则 McKean–Vlasov 方程,证明了解的存在性与混沌传播,并由此推出校准的局部随机波动率模型的存在性。
2024-10-21 math.AP math.PR q-fin.MF
Microstructural Foundation for the Rough Hawkes--Heston Model
School of Mathematical Sciences, Fudan University(复旦大学数学科学学院);School of Mathematics, Shanghai University of Finance and Economics(上海财经大学数学学院);Department of Mathematics, Florida State University(佛罗里达州立大学数学系)
本文构建泊松嵌入标记Hawkes订单流模型,为含共同价格-波动率跳跃的粗糙Hawkes-Heston模型提供微观结构基础,推导其收敛性并经数值实验验证。
2026-08-11 math.PR q-fin.MF q-fin.TR
Inverting the Markovian projection, with an application to local stochastic volatility models
本文研究二维McKean-Vlasov型随机微分方程,其中解的第二分量的条件分布进入解的第一分量的方程.当人们试图对Gyöngy(1986)提出的马尔可夫投影进行反演时,就会出现这样的随机微分方程,通常是为了产生一个具有给定一维扩散的固定时间边缘分布但动力学特征更丰富的伊藤过程。我们证明了这些随机微分方程稳定解的强存在性,以及在一个重要的特殊情况下,它们的强唯一性。本文讨论的随机微分方程的变体在金融局部随机波动率模型的校准中得到了频繁的应用,尽管理论上的理解非常有限。
2019-05-15 math.AP math.PR q-fin.MF
On the Weak Error for Local Stochastic Volatility Models
针对局部随机波动率模型中形式化McKean-Vlasov方程适定性难题,提出先欧拉离散再粒子近似的新思路,结合新半步格式优化条件期望近似,证明欧拉离散弱阶为1并给出粒子近似误差率。
2025-06-12 math.PR q-fin.CP
Simulation of volatility modulated Volterra processes using hyperbolic stochastic partial differential equations
提出一种有限差分格式来模拟一类双曲型随机偏微分方程(HSPDE)的解。这些解决方案可以反过来估计所谓的波动调制Volterra(VMV)过程和Lévy半平稳(LSS)过程,这是一类已被用于建模湍流,肿瘤生长和电力远期和现货价格的过程。我们将看到,我们的有限差分格式收敛到HSPDE的解决方案,因为我们采取越来越精细的分区,我们的有限差分格式在时间和空间。最后,我们证明了我们的方法与能源金融文献的一个例子。
2016-02-09 math.PR math.ST q-fin.PR
Varadhan's formula, conditioned diffusions, and local volatilities
基于Itô过程通过随机微分方程的边缘模拟结果及其在金融波动率建模中的应用,我们讨论了亚椭圆扩散律在最终时刻属于目标仿射子空间时的弱收敛性,即$\mathcal{L}(Z_t|Y_t = y)$,如果$X_{\cdot}=(Y_\cdot,Z_{\cdot})$ .要做到这一点,我们重温Varadhan型估计在小噪声制度(而不是小时间),研究密度的低维组件$Y$。随机波动率模型的应用包括Gyongy-Dupire局部波动率函数的小时间渐近性,以及对于某些模型的大罢工渐近性。最终的产品是渐近公式,可以(i)激励局部波动率曲面的参数化和(ii)用于外推局部波动率在一个给定的模型。
2016-06-14 math.PR q-fin.CP q-fin.PR
On small-noise equations with degenerate limiting system arising from volatility models
具有非Lipschitz扩散系数$dX_{t} = b(X_{t})dt + σX_{t}^γ dB_{t}, \ X_{0}=x, \ γ<1$的一维离散系统在金融数学中得到了广泛的研究。一些工作已经提出了渐近分析的密度和隐含的波动模型,涉及该方程的实例,基于鞍点方法和(本质上)明确的傅里叶变换的知识,认真执行。热核的尾渐近性研究进展[J-D. Deuschel,P.~ Friz,A.~ Jacquier和S.~维奥兰特扩散和随机波动的边际密度展开,第二部分:应用。2013,arxiv:1305.6765]建议使用重新缩放的变量$X^{\varepsilon}:=\varepsilon^{1/(1-γ)} X$:当允许将空间渐近问题转化为具有固定终点的小$\varepsilon$问题时,过程$X^{\varepsilon}$满足Wentzell-Freidlin形式的条件(即具有驱动噪声$\varepsilon dB$)。证明了过程$X^{\varepsilon}$为$\varepsilon \to 0$的路径大偏差原理。正如将变得清楚的那样,控制大偏差的极限常微分方程允许无穷多个解,这是Wentzell-Freidlin理论中的非标准情况。至于应用,$\varepsilon$ -标度允许导出过程的路径泛函的精确对数渐近:虽然一方面所得公式由CIR-CEV基准确认,另一方面,大偏…
2014-08-25 math.PR q-fin.PR
Fractional G-White Noise Theory, Wavelet Decomposition for Fractional G-Brownian Motion, and Bid-Ask Pricing Application to Finance Under Uncertainty
G-framework是Peng [41]提出的度量不确定性下风险的框架。本文定义了分数G-布朗运动(fGBm)。分数阶G-布朗运动是一个具有零均值和次线性平稳增量的中心G-高斯过程,其Hurst指数为$H\in (0,1)$ .该过程具有平稳增量、自相似性和次线性意义下的长程相关性。这些性质使分数G-布朗运动成为金融数学中一个合适的驱动过程。利用具有紧支集的小波构造了fGBm的小波分解。发展了分数阶G-白噪声理论,定义了G-Itô-Wick随机积分,建立了分数阶G-伊藤公式和分数阶G-Clark-Ocone公式,导出了G-Girsanov定理.为了应用G-白噪声理论,我们考虑由fGBm驱动的G-Wick-Itô类型的SDE建模的金融市场。fGBm模型中的金融资产价格具有波动不确定性,利用G-Girsanov定理和G-Clark-Ocone定理,我们推导出贴现欧式未定权益的次线性期望就是该权益的买卖卖价。
2013-06-18 math.PR q-fin.PR
On refined volatility smile expansion in the Heston model
众所周知,赫斯顿的随机波动率模型表现出矩爆炸,并且临界矩$s_+$可以通过数值求解一个简单的方程来获得。这就产生了一个隐含波动率在大罢工的领先订单扩展:$σ_{BS}( k,T)^{2}T\sim Ψ(s_+-1) \times k$(罗杰李的时刻公式)。受最近对该矩公式的“尾翼”改进的启发,我们首先推导出赫斯顿密度的新尾部扩展,锐化了Dragulescu和Yakovenko [Quant. Finance 2,6(2002),443- 453],然后示出了$σ_{BS}( k,T) ^{2}T=( β_{1}k^{1/2}+β_{2}+...)^{2}$类型的精细扩展的有效性,其中所有常数被明确地称为$s_+$、Heston模型参数、现货vol和到期$T$的函数。在“零相关”赫斯顿模型的情况下,这样的扩展由Gulisashvili和Stein [Appl. Math. Optim. 61,3(2010),287- 315]。我们的方法和结果可能被证明是有用的超越赫斯顿模型:整个定量分析是基于仿射原理:在任何时候,我们都不需要知识的(明确的,但繁琐的)封闭形式表达的傅立叶变换的$\log S_{T}$ \(相当于:梅林变换的$S_{T}$);重要的是,这些变换满足常微分方程的Riccati型。其次,我们的分析揭示了一个新的参数(“临界斜率”),定义在一个模型自由的方式,它驱动的尾部…
2010-11-12 math.PR q-fin.PR