王 茜,齊 靜
(1.河南牧業(yè)經(jīng)濟(jì)學(xué)院 基礎(chǔ)教研部,河南 鄭州 450008;2.重慶師范大學(xué)涉外商貿(mào)學(xué)院 數(shù)學(xué)與計(jì)算機(jī)學(xué)院, 重慶 401520)
假設(shè)某只股票的期權(quán)價(jià)格用P=f(t,S)表示,這里的函數(shù)f對(duì)時(shí)間t和股票價(jià)格S二階可導(dǎo),且K是成交價(jià)格.對(duì)公式轉(zhuǎn)換后可得到以下性質(zhì)[1]:
(1)
轉(zhuǎn)換后的偏微分方程如下
(2)
(3)
r是無風(fēng)險(xiǎn)利率,σ是波動(dòng)率. 本文用歐式期權(quán)作為合同函數(shù).
ψ(x)=max(x-1,0).
(4)
有限差分法是估值偏微分方程的解中最常用的數(shù)值方法之一. 其中對(duì)衍生品的估值需要引入網(wǎng)格,即對(duì)時(shí)間和空間進(jìn)行分割.
為了說明有限差分法,首先對(duì)x和t的定義域進(jìn)行離散,
(5)
(6)
這里xmax=4.然后可以得出歐式期權(quán)的初始邊界條件如下[2]:
P(0,x)=max(x-1,0),
(7)
(8)
其中空間導(dǎo)數(shù)可估作
(9)
(10)
這里Pj=P(t,Sj(t)),j=1,2,…,N-1.
(11)
圖1 成交價(jià)格為30時(shí)用有限差分法估算的歐式看漲期權(quán)價(jià)格函數(shù)和誤差函數(shù)
圖1給出了股票價(jià)格的誤差函數(shù). 第二幅圖給出了股票價(jià)格和期權(quán)價(jià)格估算值的函數(shù)關(guān)系.從圖中可以看出在股價(jià)為30單位時(shí),誤差最大.本文中所有的圖像都是基于原始BS 公式得來的,而非轉(zhuǎn)換后的公式.
RBF常用來對(duì)函數(shù)進(jìn)行近似[5],格式如下
(12)
這里y(x)表示N個(gè)徑向基函數(shù)之和,每一個(gè)函數(shù)都有一個(gè)不同的中心xj,wj表示函數(shù)的權(quán)重.
表1 徑向基函數(shù)
設(shè)xj為每個(gè)徑向基函數(shù)所對(duì)應(yīng)的中心,則以時(shí)間為自變量的線性函數(shù)組合的估算結(jié)果為
(13)
其中φ表示徑向基函數(shù),λ為待定系數(shù). 這里再一次使用BDF2對(duì)時(shí)間進(jìn)行推進(jìn).
圖2給出了當(dāng)徑向基函數(shù)是mq,形狀參數(shù)是5的RBF方法估算的歐式看漲期權(quán)價(jià)格. 第一幅圖給出的是關(guān)于股價(jià)的期權(quán)價(jià)格誤差函數(shù),第二幅圖是關(guān)于股價(jià)的期權(quán)價(jià)格函數(shù). 從圖中可以看出誤差分散在每個(gè)股價(jià)點(diǎn).
圖2 RBF方法估算的關(guān)于股票價(jià)格和期權(quán)價(jià)格的誤差函數(shù)
基于徑向基函數(shù)的有限差分法(Radial Basis Functions-Finite Differences,RBF-FD)提取了徑向基函數(shù)估算的優(yōu)點(diǎn)和有限差分法的優(yōu)點(diǎn).這里并沒有采用徑向基函數(shù)構(gòu)成的完整的線性方程組,而是僅僅在鄰近區(qū)域放入徑向基函數(shù).這樣可以得到一個(gè)稀疏矩陣,并且保留了好的收斂性.
A(n×n)wj=B(n×1),
(14)
其中
A=aij,
B=bj,
且向量wj為權(quán)重. 以下給出矩陣格式的方程
解出方程15可以得到當(dāng)x=xj時(shí)所對(duì)應(yīng)的n個(gè)權(quán)重. 以此類推,解出所有的xj,j={2,3,…,N-1}的權(quán)重并把它們放入到一個(gè)N×N的矩陣中. 矩陣中第一行和最后一行只有一個(gè)數(shù)值1作為邊界條件,其余的每一行都有n個(gè)非零項(xiàng),具體如下
使用BDF2方法,對(duì)結(jié)果化簡(jiǎn)后得到
(I-kβ0D)Pn(x)=-β1Pn-1(x)-β2Pn-2(x),
插入邊界條件后得到
(I-kβ0D)Pn(x')-kβ0g(t)=-β1Pn-1(x')-β2Pn-2(x'),
由于只對(duì)成交價(jià)格附近的期權(quán)價(jià)格感興趣,因此在計(jì)算誤差進(jìn)行比較時(shí),僅考慮[K/3,5K/3]這個(gè)區(qū)間的數(shù)值.
歐式范數(shù)誤差的計(jì)算公式如下:
errorj=estimatevaluej-exactvaluej,j=1,2,…,N,
本文的目的是找出最優(yōu)的系數(shù)(n,ε,φ)為了能夠快速得到高精度的結(jié)果. 由圖3和圖4可以確定出系數(shù)ε和n的選取范圍. 圖3可以看出無論N為多少,當(dāng)n=7時(shí)已可得到較好的精確度,當(dāng)n大于7時(shí),精確度并未有更好的精確度,且會(huì)耗費(fèi)更多的計(jì)算時(shí)間.而在圖3中的矩陣為病態(tài)矩陣,故n增大,還需增大形狀參數(shù).筆者分別選取當(dāng)n=3,5,7時(shí)的RBF-FD方法和FD方法的結(jié)果進(jìn)行比較.對(duì)于形狀參數(shù)ε的選取,參照文獻(xiàn)[7],當(dāng)n一定,徑向基函數(shù)趨于平緩的時(shí)候,得到的結(jié)果精確度最高.圖4是不同形狀參數(shù)在徑向基函數(shù)是mq,M=100,N=60和n=5時(shí)的精確度. 由圖可知,形狀參數(shù)對(duì)誤差有很大的影響.為了避免當(dāng)N很大時(shí)方程14會(huì)形成奇異矩陣,這里選取ε=2作為形狀參數(shù)值.這個(gè)結(jié)果對(duì)除了r3以外其他的徑向基函數(shù)同樣適用.
圖5給出的是對(duì)上文中提到的四種徑向基函數(shù)在不同相鄰點(diǎn)個(gè)數(shù)n的情況下進(jìn)行的比較. 每幅圖給出的是不同徑向基函數(shù)關(guān)于N的誤差函數(shù).
圖3 使用RBF-FD方法給出的關(guān)于n的誤差函數(shù)圖像.徑向基函數(shù)是mq,形狀參數(shù)(ep)ε=2,M=100
圖4 使用RBF-FD方法給出的關(guān)于形狀參數(shù)ε的誤差函數(shù)圖像,徑向基函數(shù)是mq,M=100
圖5 使用RBF-FD方法給出的關(guān)于N的誤差函數(shù)圖像,M=100,ε=2
從圖5可以看出當(dāng)空間點(diǎn)N增大時(shí),得到較小的誤差,且較多的相鄰點(diǎn)個(gè)數(shù)n給出較小的誤差. 而當(dāng)使用r3作為徑向基函數(shù),n=3時(shí),無法得到一個(gè)合適的計(jì)算結(jié)果,所以圖中僅顯示了n=5和n=7時(shí)的結(jié)果. 可以看出和其他三種徑向基函數(shù)相比,r3給出的誤差最大.
通過比較四種徑向基函數(shù)和相鄰點(diǎn)個(gè)數(shù)n,發(fā)現(xiàn)僅有mq,iq和gs這三種徑向基函數(shù)在對(duì)歐式期權(quán)定價(jià)中表現(xiàn)較好. 相鄰點(diǎn)個(gè)數(shù)n越大,誤差越小,但當(dāng)n大于7時(shí),會(huì)出現(xiàn)病態(tài)矩陣. 針對(duì)本文問題的形狀參數(shù)選取2最為理想.
在一系列的對(duì)比測(cè)試之后,用選取最優(yōu)參數(shù)的RBF-FD方法和RBF方法以及FD方法進(jìn)行比較.
圖6表明當(dāng)N一樣時(shí),RBF-FD方法的誤差比FD方法的誤差小,但是比RBF方法服軟誤差大.當(dāng)n=3時(shí),RBF-FD方法和FD方法的誤差幾乎一樣,這也是可以理解的.
圖6使用RBF-FD方法、RBF方法和FD方法給出的關(guān)于N的誤差函數(shù)圖像,其中徑向基函數(shù)是mq,M=100
本文通過對(duì)RBF-FD各參數(shù)進(jìn)行對(duì)比測(cè)試,并和原有的方法進(jìn)行比較,得出以下結(jié)論:
(1)四種徑向基函數(shù)中通過比較有三種可以采用,但multiquadric函數(shù)在大多數(shù)情況下是最穩(wěn)定的.
(2)從精確度和穩(wěn)定性考慮,當(dāng)ε=2時(shí),得到最優(yōu)價(jià)格估值.
(3)和FD方法比較,當(dāng)RBF-FD方法中n大于3時(shí),精確度明顯更好.
(4)由于在使用FD方法解決高階問題時(shí)受限于笛卡爾網(wǎng)格,因此根據(jù)精度需要可以任意放置點(diǎn)的數(shù)目作為RBF-FD方法的優(yōu)勢(shì)可以在高階問題中得以體現(xiàn),且同樣具有高效性.