雙指數(shù)跳擴散模型下的交換期權定價

王宇帆

北京理工大學

雙指數(shù)跳擴散模型下的交換期權定價

王宇帆

北京理工大學

本文研究了標的資產(chǎn)服從雙指數(shù)跳擴散的交換期權定價。首先，介紹了雙指數(shù)跳擴散模型與交換期權；其次，通過Girsanov定理對交換期權定價公式進行了測度變換；最后借助Hh函數(shù)的性質給出了雙指數(shù)跳擴散模型下的交換期權定價公式。

交換期權；雙指數(shù)跳擴散模型；Girsanov定理

1.引言

期權定價理論是現(xiàn)代金融數(shù)學的核心問題之一，1973年由Fischer Black和Myron Scholes[1]提出了著名的Black-Scholes期權定價模型，成為期權定價問題領域的基石，然而經(jīng)典的Black-Scholes模型有兩個主要缺陷：一是尖峰厚尾性質和非對稱性質，即在經(jīng)典B-S模型有著比正態(tài)分布更高的峰度和更厚的尾函數(shù)；二是“波動率微笑”，經(jīng)典模型中隱含波動率是一個常數(shù)，而實際情況卻是個類似于“微笑”形狀的曲線。

交換期權是一種特殊的奇異期權，期權的持有者可以在到期日用一種標的資產(chǎn)換取另外一種標的資產(chǎn)。本文借鑒Kou文中研究歐式期權定價的方法，運用Girsanov定理和Hh函數(shù)的相關性質給出了雙指數(shù)跳擴散模型下交換期權的數(shù)值解。

2.雙指數(shù)跳擴散模型下的交換期權定價

2.1 雙指數(shù)跳擴散模型

假設市場中有三個可連續(xù)交易的資產(chǎn)，一個無風險資產(chǎn)B和兩個風險資產(chǎn)S1和S2，在風險中性測度Q下， ，假設風險資產(chǎn)S1和S2在t時刻的價值滿足：

其中σ1和σ2分別表示兩種風險資產(chǎn)在無跳躍發(fā)生時波動率，W1和W2為Q下的布朗運動滿足 ，N1(t)和N2(t)分別是參數(shù)為λ1和λ2的泊松過程且相互獨立，Vi是一系列非負的獨立同分布隨機變量，，令 有

p＞0表示資產(chǎn)價格向上跳躍的概率，q＞0表示資產(chǎn)價格向下跳躍的概率，因此有p+q=1。假設所有的隨機變量都是相互獨立的。

用公式可以解得：

則由由此可知在初始時刻的期權價格應該滿足：

接下來分別計算前后兩項。

這樣就有

于是我們考慮Q測度下 的概率。

2.2 Hh函數(shù)與相關引理[7]

引理2.1對于任意的 ，有

其中概率Pn,k與Qn,k分別為：

其中

這里ξ+與ξ-分別是參數(shù)為η1和η2的指數(shù)隨機變量

引理2.2

假設{ξ1,ξ2,…}是一列參數(shù)為η＞0的獨立同分布指數(shù)隨機變量，Z是服從N(0,σ2)正態(tài)隨機變量，則對于所有的有

(1)概率密度函數(shù)為(2)分布函數(shù)為

這兩個引理將雙指數(shù)隨機變量轉換為了兩族單指數(shù)隨機變量的和的概率

2.3 交換期權定價

的泊松過程，N2(t)的跳頻度不變，在Q下是獨立

同分布的隨機變量，概率密度函數(shù)為

其中

所以在Q測度下有

計算可得

即有

其中

由引理2.1可得，

這里ξ+與ξ-分別是參數(shù)為η1和η2的指數(shù)隨機變量。

所以可以計算得

綜合上述可得到

同理考慮

可得

所以可以得到

定理3.1雙指數(shù)跳擴散下的交換期權的定價為

其中

3.結論

本文研究了雙指數(shù)跳擴散下的交換期權定價，并運用Hh函數(shù)的相關性質與引理和Girsanov定理給出了顯示解，本文中考慮的重點在于應用這些性質與引理解決交換期權定價，所以僅考慮風險資產(chǎn)的收益率和波動率為常數(shù)的情況。今后還可以進一步改進這個模型與數(shù)值解，例如考慮期望收益率和波動率依賴市場經(jīng)濟狀態(tài)，其中經(jīng)濟狀態(tài)可以用帶切換的隨機微分方程來表示。

[1]Black F， Scholes M. The Pricing of Options and Corporate Liabilities[J]. Journal of Political Economy， 1973， 81(3)：637-54.

[2] Merton R C. Option pricing when underlying stock returns are discontinuous ☆[J]. Working Papers， 1975， 3(1–2)：125-144.

[3]Hull J， White A. The Pricing of Options on Assets with Stochastic Volatilities[J]. Journal of Finance， 1987， 42(2)：281-300.

[4]Barndorf-Nielsen O E. Processes of normal inverse type[J]. Finance & Stochastics， 1998.

[5]X. Guo. Information and option pricings[J]. Quantitative Finance， 2010，1(1)：38-44.

[6]Kou S G. A jump diffusion model for option pricing with three properties： leptokurtic feature， volatility smile， and analytical tractability[C]// Computational Intelligence for Financial Engineering. IEEE， 2000：129 - 131.

[7]Kou S G. A Jump-Diffusion Model for Option Pricing[J]. Management Science， 2002， 48(8)：1086-1101.