期权定价中的波动率估计

本文旨在研究Black-Scholes期权定价模型中重要参数波动率的估计问题,了解波动率估计的简单易行的标准方法,介绍了历史波动率和隐含波动率的估计技术。

基于极大重叠离散小波变换的金融高频数据波动率估计

利用极大重叠离散小波变换方法对资产收益的积分波动率进行估计.针对沪深300指数选取不同小波函数估计积分波动率,计算相对误差统计量.结果表明,不同小波函数对积分波动率估计不存在显著差异,但随着抽样频率的增加,估计精度逐渐提高.对尺度及其相应尺度下的波动率进行对数变换可见,二者之间存在显著的线性关系,随着尺度的增加,波动率逐渐变小.

基于波动率估计的时变O-U模型期权保险精算定价

文章主要研究时变O-U模型下期权的保险精算定价问题。首先利用公平保费原理和标的资产价格过程的概率密度,得到了欧式期权的保险精算定价公式。然后注意到期权的保险精算定价公式依赖于未知的标的资产价格的波动率,利用标的资产价格的观测数据,给出了基于波动率估计的保险精算定价公式,并讨论了所得定价公式的强收敛性。

基于局部均值分解的高频金融数据波动率估计

为解决高频数据在风险评估中存在的非线性问题,提出了利用局部均值分解方法实现高频数据波动率估计。首先,采用高频模拟数据验证估计方法的可行性;其次,将沪深300指数不同频率收盘价作为研究对象,利用局部均值分解方法估计波动率,计算相对误差统计量。实验结果表明,利用局部均值分解方法可以有效实现高频数据波动率估计和解决高频数据中的非线性问题,随着抽样频率的增加,估计精度逐渐提高。该方法为高频数据波动率非参数估计提供了新的研究思路。

基于整体经验模态分解的金融高频数据波动率估计研究

针对金融高频数据波动率的估计问题,借鉴小波变换思想,首次利用整体经验模态分解方法实现了高频数据波动率估计.首先,通过模拟数据验证了方法的可行性和有效性;其次,以日内高频数据为研究对象,并将分别利用经验模态分解和整体经验模态分解方法计算所得的波动率与已实现波动率进行了对比.结果表明,自适应分解方法可有效实现高频数据波动率估计,但整体经验模态分解要优于经验模态分解方法.该方法为高频数据波动率的非参数估计提供了新的解决途径,具有重要的推广与应用价值.

基于两步平滑的瞬时波动率非参数估计

文章考虑了时间相依扩散模型的非参数估计问题,用两步平滑的技巧给出了带有离散观察值的瞬时波动率估计量。随着取样频率的增加,在一定的条件下得出了估计量的一致性和渐近正态性。

嵌入GARCH波动率估计的B1ack-Litterman投资组合模型

在B1ack-Litterman投资组合模型中,为了更有效地估计风险资产的期望收益和波动率,引入了投资者的主观观点,这种处理确实能提高均值-方差投资组合模型的性能。但是在实践中,如何度量投资者观点成了另一个难题。为了克服这一困难,我们将GARCH波动率估计嵌入到B1ack-Litterman模型中,通过使用GARCH模型的预测能力来替代投资者主观观点,从而获得一个新的投资决策模型。作为应用,分别考虑了国内外真实市场数据测试情形,通过实证结果发现,嵌入了GARCH波动率估计后,Black-Litterman模型的性能可进一步得到很好提高,样本外平均收益率、波动率和夏普比等指标,均要好于一些传统模型。

GENERAL DECAY RATE ESTIMATES FOR VISCOELASTIC WAVE EQUATION WITH VARIABLE COEFFICIENTS

The authors study decay properties of solutions for a viscoelastic wave equation with variable coefficients and a nonlinear boundary damping by the differential geometric approach.