首页/论文/2005.07393

arXiv 2005.073932020-05q-fin.MF

Barndorff-Nielsen和Shephard模型的Alfred型分解公式

Alòs type decomposition formula for Barndorff-Nielsen and Shephard model

Takuji Arai

摘要：

目的是为Barndorff-Nielsen和Shephard模型提供一个看涨期权价格的Alberts型分解公式：一个无漂移的服从子驱动的Ornstein-Uhlenbeck型随机波动率模型. Alfreds（2012）通过使用伊藤公式引入了Heston模型的分解表达式。在本文中，我们将其推广到Barndorff-Nielsen和Shephard模型。据我们所知，这是关于具有无穷主动跳的模型的Alfred型分解公式的第一个结果。

英文摘要：

The objective is to provide an Alòs type decomposition formula of call option prices for the Barndorff-Nielsen and Shephard model: an Ornstein-Uhlenbeck type stochastic volatility model driven by a subordinator without drift. Alòs (2012) introduced a decomposition expression for the Heston model by using Ito's formula. In this paper, we extend it to the Barndorff-Nielsen and Shephard model. As far as we know, this is the first result on the Alòs type decomposition formula for models with infinite active jumps.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

Barndorff-Nielsen和Shephard模型的近似期权定价公式

Approximate option pricing formula for Barndorff-Nielsen and Shephard model

对于Barndorff-Nielsen和Shephard模型，我们基于Arai（2021）开发的分解公式给出了看涨期权价格的近似表达式。此外，还进行了一些数值实验，以验证我们的近似是如何有效的。

2021-04-22q-fin.MF

Barndorff-Nielsen和Shephard模型下VIX期权的定价与套期保值

Pricing and hedging of VIX options for Barndorff-Nielsen and Shephard models

将讨论Barndorff-Nielsen和Shephard模型的波动率指数看涨期权。以波动率指数（VIX）为基础的衍生品交易非常活跃，VIX是最受欢迎的波动率指标。本文给出了Barndorff-Nielsen模型和Shephard模型下的波动率指数看涨期权价格的表达式：非高斯Ornstein-Uhlenbeck型随机波动率模型。此外，我们提供的本地风险最小化策略的基础无风险和风险资产的组合构造的表示。注：本文所得到的表示是有效的，以发展一个数值方法，使用快速傅立叶变换。因此，本文的最后一节将进行数值试验。

2019-04-28q-fin.MF

Barndorff-Nielsen和Shephard模型下的多资产广义方差互换

Multi-asset Generalised Variance Swaps in Barndorff-Nielsen and Shephard model

本文提出了两个重要的广义方差的新措施，即最大特征值和所涉及的资产的协方差矩阵的迹互换。本文利用金融市场中的Barndorff-Nielsen和Shephard模型对广义方差互换进行了定价。我们考虑多个资产的投资组合中的理论目的，并证明我们的方法与数值例子，在投资组合中的三只股票。本文所得到的结果对商品部门有重要的影响，在商品部门，这种掉期对对冲风险是有用的。

2020-11-26q-fin.MF

具有波动风险溢价的Barndorff-Nielsen和Shephard模型的局部风险最小化

Local risk-minimization for Barndorff-Nielsen and Shephard models with volatility risk premium

本文给出了Barndorff-Nielsen和Shephard模型的看涨期权和看跌期权的局部风险最小化表示：跳跃型随机波动率模型，其平方波动率过程由非高斯rnstein-Uhlenbeck过程给出. Barndorff-Nielsen和Shephard模型的一般形式包括两个参数：波动风险溢价$β$和杠杆效应$ρ$。Arai和Suzuki（2015，arxiv：1503.08589）在约束$β=-\frac{1}{2}$下处理了相同的问题。在本文中，我们放松了对$β$的限制，而将$ρ$限制为$0$。在最小鞅测度下引入Malliavin演算来解决这个问题。

2015-06-04math.PRq-fin.MF

Barndorff-Nielsen和Shephard模型的局部风险最小化

Local risk-minimization for Barndorff-Nielsen and Shephard models

我们得到了Barndorff-Nielsen和Shephard模型的看涨期权和看跌期权的局部风险最小化策略的显式表示，这是Ornstein-Uhlenbeck型随机波动率模型。Arai and Suzuki（2015）利用Levy过程的Malliavin演算，在许多附加条件下得到了Levy市场的局部风险最小化策略公式。假设条件温和，我们确保Barndorff-Nielsen和Shephard模型满足Arai和Suzuki（2015）中提出的所有条件。其中，我们研究了极小鞅测度密度的Malliavin可微性。此外，一些局部风险最小化策略的数值实验。

2016-01-27math.PRq-fin.MF

使用改进的Barndorff-Nielsen和Shephard模型进行套期保值和机器学习驱动的原油数据分析

Hedging and machine learning driven crude oil data analysis using a refined Barndorff-Nielsen and Shephard model

在本文中，一个改进的Barndorff-Nielsen和Shephard（BN-S）模型实现了商品市场的最优套期保值策略。BN-S模型的细化是通过各种机器和深度学习算法获得的。细化导致从经验数据集的确定性参数的提取。该问题被转化为一个适当的分类问题，有几个不同的方法：波动率的方法和持续时间的方法。对巴肯原油数据进行了分析，得到了上述确定性参数。通过在改进模型中实现该参数，所得到的模型比经典的BN-S模型表现得更好。

2021-02-03q-fin.MFq-fin.RMstat.ML

更多相关论文收起更多论文

Barndorff-Nielsen和Shephard模型的改进：基于机器学习的原油价格分析

Refinements of Barndorff-Nielsen and Shephard model: an analysis of crude oil price with machine learning

衍生品和商品市场分析中常用的随机模型是Barndorff-Nielsen和Shephard（BN-S）模型。虽然这个模型是非常有效的和易于分析的，但它缺乏长期依赖性和许多其他问题。在本文中，分析仅限于原油价格动态。提出了一种简单的方法来改进BN-S模型与各种机器学习算法的实现。该改进的BN-S模型比实际中使用的其他模型具有更高的效率和更少的参数。该过程和模型展示了数据科学在从通常被认为是完全随机的过程中提取“确定性成分”方面的应用。实证应用验证了所提出的模型的长期依赖的有效性。

2020-03-25q-fin.MFq-fin.STstat.ML

分数Barndorff-Nielsen和Shephard模型：在方差和波动率互换及套期保值中的应用

Fractional Barndorff-Nielsen and Shephard model: applications in variance and volatility swaps, and hedging

介绍了分数阶Barndorff-Nielsen和Shephard（BN-S）随机波动率模型，并对其进行了分析。所提出的模型是基于两个理想的长期方差过程的经验数据所建议的属性：长期记忆和跳跃。该模型结合了分数布朗运动的长期记忆和正自相关特性与$H>1/2$，以及BN-S模型的跳跃特性。我们发现，无套利价格的方差和波动率互换这个新的模型。由于分数布朗运动仍然是一个高斯过程，我们推导出一些新的表达式的连续高斯过程的积分分布，我们对这些互换价格的解析表达式的工作。结合二次套期保值问题对该模型进行了分析，并得到了一些相关的分析结果。得到了使二次对冲误差最小化所需的导数的数量。最后，我们提供了一些基于VIX数据的数值分析。数值结果表明，该模型的效率相比，赫斯顿模型和经典的BN-S模型。

2021-05-05q-fin.MFq-fin.PR

平稳自分解方差过程的Barndorff-Nielsen和Shephard近似模型的首出时分析

First exit-time analysis for an approximate Barndorff-Nielsen and Shephard model with stationary self-decomposable variance process

在本文中，Barndorff-Nielsen和Shephard模型的一个近似版本，由一个布朗运动和一个Lévy从属驱动，制定。分析了该模型的对数回归过程的首次退出时间。证明了在一定的概率下，对数收益的首出时间过程可分解为带漂移的布朗运动首出时间与带漂移的Lévy从属子首出时间之和.随后，一些特定的Lévy从属，连接到平稳，自分解方差过程的第一个出口时间的概率密度函数进行了研究。利用各种特殊函数，得到了这三个Lévy从属子的首次出射时间的概率密度函数的解析表达式.最后，将结果应用于S&P 500数据集。

2021-01-07math.PRmath.STq-fin.MF

基于机器学习和模糊参数的广义BN-S模型的股指分析

Analysis of stock index with a generalized BN-S model: an approach based on machine learning and fuzzy parameters

本文将数据科学与模糊理论相结合，对经典的Barndorff-Nielsen和Shephard模型进行改进，并将其应用于标准普尔500指数的实证分析。利用模糊理论对指标数据进行预处理。之后，分析过去十年的标准普尔500指数数据，并使用各种机器和深度学习方法提取确定性参数。结果表明，新的模型，其中模糊参数的纳入，可以考虑长期依赖的经典Barndorff-Nielsen和Shephard模型。与经典模型相比，该修改仅基于一些变化。同时，所得到的分析有效地捕捉了股票指数时间序列的随机动态。

2022-02-06q-fin.MF