QuantLib 金融计算——高级话题之模拟跳扩散过程

2023-11-07 08:40
文章标签 计算 模拟 过程 高级 金融 扩散 话题 quantlib

本文主要是介绍QuantLib 金融计算——高级话题之模拟跳扩散过程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目录

  • QuantLib 金融计算——高级话题之模拟跳扩散过程
    • 跳扩散过程
    • 模拟算法
    • 面临的问题
      • “脏”的方法
      • “干净”的方法
    • 实现
      • 示例
    • 参考文献

如果未做特别说明，文中的程序都是 C++11 代码。

QuantLib 金融计算——高级话题之模拟跳扩散过程

跳扩散过程

1976 年，Merton 最早在衍生品定价中引入并分析了跳扩散过程，正因为如此 QuantLib 中和跳扩散相关的随机过程类称之为 Merton76Process，一个一般的跳扩散过程可以由下面的 SDE 描述，

\[ \frac{dS(t)}{S(t-)} = \mu dt + \sigma dW(t) + dJ(t)\\ J(t) = \sum_{j=1}^{N(t)}(Y_j-1) \]

其中 \(Y_j\) 是随机变量，\(N(t)\) 是计数过程。\(dJ(t)\) 表示 \(J(t)\) 在 \(t\) 时刻发生的跳跃幅度，如果发生一次跳，则幅度为 \(Y_j-1\)；如果没有发生跳，则幅度为 0。

在应用于衍生品定价时，需要对上述 SDE 中的项做出一些特殊约定，常见的约定有：

  1. \(N(t)\) 是参数等于 \(\lambda\) 的 Poisson 过程；
  2. \(\log Y_j\) 服从正态分布 \(N(\mu_{jump}, \sigma_{jump}^{2})\)；
  3. \(\mu = r - \lambda m\)，其中 \(m = E[Y_j] - 1\)，\(r\) 代表无风险利率

模拟算法

令 \(X(t) = \log S(t)\)，那么

\[ \begin{aligned} X(t_{i+1}) = & X(t_i) + \left(\mu - \frac12 \sigma^2 \right)(t_{i+1} - t_i)\\ & +\sigma[W(t_{i+1}) - W(t_i)] + \sum_{j = N(t_i)+1}^{N(t_{i+1})}\log Y_j \end{aligned} \]

在 \(X(t_i)\) 的基础上模拟 \(X(t_{i+1})\) 的算法如下：

  1. 生成 \(Z \sim N(0,1)\)；
  2. 生成 \(N \sim \text{Poisson}(\lambda(t_{i+1}-t_i))\)，若 \(N=0\)，则令 \(M=0\)，并转到第 4 步；
  3. 生成 \(\log Y_1,\dots,\log Y_N\)，令 \(M = \log Y_1+\dots+\log Y_N\)；
  4. 令 \(X(t_{i+1}) = X(t_i) + \left(\mu - \frac12 \sigma^2 \right)(t_{i+1} - t_i) +\sigma \sqrt{t_{i+1} - t_i} Z + M\)

那么

\[ \begin{aligned} S_{t_{i+1}} =& S_{t_i} e^{(r-\lambda m -\frac{1}{2}\sigma^{2})\Delta t+ \sigma Z \sqrt{\Delta t} + M}\\ =& S_{t_i} e^{(r-\frac{1}{2}\sigma^{2})\Delta t+ \sigma Z \sqrt{\Delta t}}e^{(-\lambda m)\Delta t+M} \end{aligned} \]

其中，\(\Delta t = t_{i+1} - t_i\)，而 \(e^{(-\lambda m)\Delta t+M}\) 是跳扩散相对于一般 Black-Scholes-Merton 过程的修正项。

面临的问题

目前 QuantLib 中提供的 Merton76Process 类只能配合“解析定价引擎”使用，本身不具备模拟随机过程路径的功能。究其原因，问题出在 QuantLib 的编码约定和 StochasticProcess1D 提供的接口两方面：

  1. QuantLib 中约定 StochasticProcess 派生出的子类仅能描述 SDE 的结构信息，也就是 SDE 的参数、漂移和扩散项的函数形式，子类不携带有关随机数生成的信息，所有随机数生成的相关信息均由 Monte Carlo 框架中其他组件控制；
  2. 生成随机过程路径的核心函数是 evolve 方法，StochasticProcess1D 提供的接口是 evolve(Time t0, Real x0, Time dt, Real dw)。如果 Merton76Process 按约定实现 evolve 方法的话，形式必须是 evolve(Time t0, Real x0, Time dt, const Array &dw)，因为模拟跳需要额外的随机性，所以 dw 必须是一个 Array。很明显，不匹配。

“脏”的方法

在不改变当前接口的前提下，若要实现模拟跳扩散过程，需要用比较“脏”一点儿的手段，即打破约定，让随机过程类携带一个随机数发生器，为模拟跳提供额外的随机性。

具体来说，需要声明一个 Merton76Process 的派生类，该类携带一个高斯随机数发生器。因为从数学上来讲跳扩散过程推广自一般 Black-Scholes-Merton 过程，添加了一个修正项，所以遵循“适配器模式”（或“装饰器模式”）的思想，绝大部分计算可以委托给一个 BlackScholesMertonProcess 对象，仅需要对 drift 和 evolve 方法作必要的修改。

“干净”的方法

当然，“干净”的方法要改变当前接口：

  1. 声明一个和 StochasticProcess1D 平行的新类 StochasticProcess1DJump，二者唯一的区别是 evolve 方法，在 StochasticProcess1DJump 中形式是 evolve(Time t0, Real x0, Time dt, const Array &dw)；
  2. 将 Merton76Process 改成继承自 StochasticProcess1DJump。

实现

下面的代码实现了前面提到的“脏”的方法，因为随机数发生器的种类有很多，且没有基类提供统一的接口，所以使用了模板技术让类可以接受不同类型的随机数发生器。同时，许多计算被委托给了一个 BlackScholesMertonProcess 对象。

#ifndef MERTON76JUMPDIFFUSIONPROCESS_HPP
#define MERTON76JUMPDIFFUSIONPROCESS_HPP#include <ql/math/distributions/normaldistribution.hpp>
#include <ql/math/distributions/poissondistribution.hpp>
#include <ql/math/randomnumbers/boxmullergaussianrng.hpp>
#include <ql/math/randomnumbers/mt19937uniformrng.hpp>
#include <ql/processes/blackscholesprocess.hpp>
#include <ql/processes/merton76process.hpp>namespace QuantLib
{
template<typename GAUSS_RNG>
class Merton76JumpDiffusionProcess : public Merton76Process
{public:Merton76JumpDiffusionProcess(const Handle<Quote>& stateVariable,const Handle<YieldTermStructure>& dividendTS,const Handle<YieldTermStructure>& riskFreeTS,const Handle<BlackVolTermStructure>& blackVolTS,const Handle<Quote>& jumpInt,const Handle<Quote>& logJMean,const Handle<Quote>& logJVol,const GAUSS_RNG& gauss_rng,const ext::shared_ptr<discretization>& disc =ext::shared_ptr<discretization>(new EulerDiscretization)): Merton76Process(stateVariable,dividendTS,riskFreeTS,blackVolTS,jumpInt,logJMean,logJVol,disc), blackProcess_(new BlackScholesMertonProcess(stateVariable,dividendTS,riskFreeTS,blackVolTS,disc)), gauss_rng_(gauss_rng){}virtual ~Merton76JumpDiffusionProcess() {}Real x0() const{return blackProcess_->x0();}Time time(const Date& d) const{return blackProcess_->time(d);}Real diffusion(Time t,Real x) const{return blackProcess_->diffusion(t, x);}Real apply(Real x0,Real dx) const{return blackProcess_->apply(x0, dx);}Size factors() const{return 1;}Real drift(Time t,Real x) const{Real lambda_ = Merton76Process::jumpIntensity()->value();Real delta_ = Merton76Process::logJumpVolatility()->value();Real nu_ = Merton76Process::logMeanJump()->value();Real m_ = std::exp(nu_ + 0.5 * delta_ * delta_) - 1;return blackProcess_->drift(t, x) - lambda_ * m_;}Real evolve(Time t0,Real x0,Time dt,Real dw) const;private:const CumulativeNormalDistribution cumNormalDist_;ext::shared_ptr<GeneralizedBlackScholesProcess> blackProcess_;GAUSS_RNG gauss_rng_;
};template<typename GAUSS_RNG>
Real Merton76JumpDiffusionProcess<GAUSS_RNG>::evolve(Time t0,Real x0,Time dt,Real dw) const
{Real lambda_ = Merton76Process::jumpIntensity()->value();Real delta_ = Merton76Process::logJumpVolatility()->value();Real nu_ = Merton76Process::logMeanJump()->value();Real m_ = std::exp(nu_ + 0.5 * delta_ * delta_) - 1;Real p = cumNormalDist_(gauss_rng_.next().value);if (p < 0.0)p = 0.0;else if (p >= 1.0)p = 1.0 - QL_EPSILON;Real j = gauss_rng_.next().value;const Real n = InverseCumulativePoisson(lambda_ * dt)(p);Real retVal = blackProcess_->evolve(t0, x0, dt, dw);retVal *=std::exp(-lambda_ * m_ * dt + nu_ * n + delta_ * std::sqrt(n) * j);return retVal;
}
}
#endif // MERTON76JUMPDIFFUSIONPROCESS_HPP

示例

下面模拟两条曲线

#include <iostream>#include <ql/math/randomnumbers/boxmullergaussianrng.hpp>
#include <ql/math/randomnumbers/mt19937uniformrng.hpp>
#include <ql/processes/blackscholesprocess.hpp>
#include <ql/quotes/simplequote.hpp>
#include <ql/termstructures/volatility/equityfx/blackconstantvol.hpp>
#include <ql/termstructures/yield/flatforward.hpp>
#include <ql/time/calendars/target.hpp>
#include <ql/time/date.hpp>
#include <ql/time/daycounters/actualactual.hpp>#include "Merton76JumpDiffusionProcess.hpp"int main() {using namespace std;using namespace QuantLib;Date refDate = Date(27, Mar, 2019);Rate riskFreeRate = 0.03;Rate dividendRate = 0.01;Real spot = 52.0;Rate vol = 0.2;Calendar cal = TARGET();DayCounter dc = ActualActual();ext::shared_ptr<YieldTermStructure> rdStruct(new FlatForward(refDate, riskFreeRate, dc));ext::shared_ptr<YieldTermStructure> rqStruct(new FlatForward(refDate, dividendRate, dc));Handle<YieldTermStructure> rdHandle(rdStruct);Handle<YieldTermStructure> rqHandle(rqStruct);ext::shared_ptr<SimpleQuote> spotQuote(new SimpleQuote(spot));Handle<Quote> spotHandle(spotQuote);ext::shared_ptr<BlackVolTermStructure> volQuote(new BlackConstantVol(refDate, cal, vol, dc));Handle<BlackVolTermStructure> volHandle(volQuote);// Specify the jump intensity, jump mean and// jump volatility objectsReal jumpIntensity = 0.2;    // lambdaReal jumpVolatility = 0.3;Real jumpMean = 0.0;ext::shared_ptr<SimpleQuote> jumpInt(new SimpleQuote(jumpIntensity));ext::shared_ptr<SimpleQuote> jumpVol(new SimpleQuote(jumpVolatility));ext::shared_ptr<SimpleQuote> jumpMn(new SimpleQuote(jumpMean));Handle<Quote> jumpI(jumpInt), jumpV(jumpVol), jumpM(jumpMn);ext::shared_ptr<BlackScholesMertonProcess> bsmProcess(new BlackScholesMertonProcess(spotHandle, rqHandle, rdHandle, volHandle));unsigned long seed = 12324u;MersenneTwisterUniformRng unifMt(seed);MersenneTwisterUniformRng unifMtJ(25u);typedef BoxMullerGaussianRng<MersenneTwisterUniformRng> GAUSS;GAUSS bmGauss(unifMt);GAUSS jGauss(unifMtJ);ext::shared_ptr<Merton76JumpDiffusionProcess<GAUSS>> mtProcess(new Merton76JumpDiffusionProcess<GAUSS>(spotHandle, rqHandle, rdHandle, volHandle,jumpI, jumpM, jumpV, jGauss));Time dt = 0.004, t = 0.0;Real x = spotQuote->value();Real y = spotQuote->value();Real dw;Size numVals = 250;std::cout << "Time, Jump, NoJump" << std::endl;std::cout << t << ", " << x << ", " << y << std::endl;for (Size j = 1; j <= numVals; ++j) {dw = bmGauss.next().value;x = mtProcess->evolve(t, x, dt, dw);y = bsmProcess->evolve(t, y, dt, dw);std::cout << t + dt << ", " << x << ", " << y << std::endl;t += dt;}return EXIT_SUCCESS;
}

232518-20190331114034792-2013823195.png

参考文献

  1. 《金融工程中的蒙特卡罗方法》

转载于:https://www.cnblogs.com/xuruilong100/p/10630691.html

这篇关于QuantLib 金融计算——高级话题之模拟跳扩散过程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/362475。

相关文章

MySQL高级查询之JOIN、子查询、窗口函数实际案例

MySQL高级查询之JOIN、子查询、窗口函数实际案例

《MySQL高级查询之JOIN、子查询、窗口函数实际案例》：本文主要介绍MySQL高级查询之JOIN、子查询、窗口函数实际案例的相关资料,JOIN用于多表关联查询,子查询用于数据筛选和过滤,窗口函... 目录前言1. JOIN（连接查询）1.1 内连接（INNER JOIN）1.2 左连接（LEFT JOI
阅读更多...
PyInstaller打包selenium-wire过程中常见问题和解决指南

PyInstaller打包selenium-wire过程中常见问题和解决指南

《PyInstaller打包selenium-wire过程中常见问题和解决指南》常用的打包工具PyInstaller能将Python项目打包成单个可执行文件,但也会因为兼容性问题和路径管理而出现各种运... 目录前言1. 背景2. 可能遇到的问题概述3. PyInstaller 打包步骤及参数配置4. 依赖
阅读更多...
前端高级CSS用法示例详解

前端高级CSS用法示例详解

《前端高级CSS用法示例详解》在前端开发中，CSS（层叠样式表）不仅是用来控制网页的外观和布局，更是实现复杂交互和动态效果的关键技术之一,随着前端技术的不断发展，CSS的用法也日益丰富和高级,本文将深... 前端高级css用法在前端开发中，CSS（层叠样式表）不仅是用来控制网页的外观和布局，更是实现复杂交
阅读更多...
将Mybatis升级为Mybatis-Plus的详细过程

将Mybatis升级为Mybatis-Plus的详细过程

《将Mybatis升级为Mybatis-Plus的详细过程》本文详细介绍了在若依管理系统（v3.8.8）中将MyBatis升级为MyBatis-Plus的过程,旨在提升开发效率,通过本文,开发者可实现... 目录说明流程增加依赖修改配置文件注释掉MyBATisConfig里面的Bean代码生成使用IDEA生
阅读更多...
C# WinForms存储过程操作数据库的实例讲解

C# WinForms存储过程操作数据库的实例讲解

《C#WinForms存储过程操作数据库的实例讲解》：本文主要介绍C#WinForms存储过程操作数据库的实例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、存储过程基础二、C# 调用流程1. 数据库连接配置2. 执行存储过程（增删改）3. 查询数据三、事务处
阅读更多...
JSON Web Token在登陆中的使用过程

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》：本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录，生成 JWT2. 自定义过滤
阅读更多...
java中使用POI生成Excel并导出过程

java中使用POI生成Excel并导出过程

《java中使用POI生成Excel并导出过程》：本文主要介绍java中使用POI生成Excel并导出过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录需求说明及实现方式需求完成通用代码版本1版本2结果展示type参数为atype参数为b总结注：本文章中代码均为
阅读更多...
SpringCloud之LoadBalancer负载均衡服务调用过程

SpringCloud之LoadBalancer负载均衡服务调用过程

《SpringCloud之LoadBalancer负载均衡服务调用过程》：本文主要介绍SpringCloud之LoadBalancer负载均衡服务调用过程,具有很好的参考价值,希望对大家有所帮助,... 目录前言一、LoadBalancer是什么？二、使用步骤1、启动consul2、客户端加入依赖3、以服务
阅读更多...
Oracle存储过程里操作BLOB的字节数据的办法

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.
阅读更多...
C#原型模式之如何通过克隆对象来优化创建过程

C#原型模式之如何通过克隆对象来优化创建过程

《C#原型模式之如何通过克隆对象来优化创建过程》原型模式是一种创建型设计模式,通过克隆现有对象来创建新对象,避免重复的创建成本和复杂的初始化过程,它适用于对象创建过程复杂、需要大量相似对象或避免重复初... 目录什么是原型模式？原型模式的工作原理C#中如何实现原型模式？1. 定义原型接口2. 实现原型接口3
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2