金融中带跳跃随机微分方程的数值解

引用

Platen, E., & Bruti-Liberati, N. (2010). Numerical Solution of Stochastic Differential Equations with Jumps in Finance. Springer.

章节摘要

第一部分：理论基础

随机微分方程基础

介绍随机微分方程的基本概念，包括伊藤积分、随机过程和鞅理论。涵盖布朗运动和泊松过程的性质。

跳跃过程建模

详细讨论带跳跃的随机过程，包括复合泊松过程、Lévy过程和跳-扩散模型。分析跳跃对金融建模的重要性。

随机微分方程的解

探讨随机微分方程的存在性和唯一性定理，以及解的性质。介绍弱解和强解的概念。

第二部分：数值方法

欧拉方法

介绍欧拉-丸山方法及其在随机微分方程中的应用。讨论收敛性和稳定性分析。

高阶方法

涵盖Milstein方法、Runge-Kutta方法和其他高阶数值方案。分析不同方法的优缺点。

跳跃过程的数值处理

专门讨论带跳跃随机微分方程的数值求解技术，包括跳跃时间的模拟和跳跃大小的处理。

第三部分：金融应用

期权定价

应用数值方法求解Black-Scholes方程和更复杂的期权定价模型，包括美式期权和路径依赖期权。

风险管理

使用蒙特卡洛方法进行风险价值计算和投资组合风险评估。

利率模型

实现各种利率模型的数值解，包括Vasicek模型、CIR模型和跳跃扩散利率模型。

关键概念

随机过程

布朗运动： 连续时间随机过程，是许多金融模型的基础。

泊松过程： 计数过程，用于建模离散事件的发生。

Lévy过程： 具有独立增量和平稳增量的随机过程。

数值方法

欧拉-丸山方法： 最简单的随机微分方程数值求解方法。

Milstein方法： 包含二阶项的高精度方法。

蒙特卡洛模拟： 通过随机采样估计数学期望的方法。

误差分析

强收敛： 数值解在路径意义下收敛到真解。

弱收敛： 数值解的分布收敛到真解的分布。

计算复杂度： 算法运行时间与问题规模的关系。