细节
Kou跳跃扩散模型是经典Black–Scholes模型最方便的改进之一,其中使用Lévy过程(具有独立增量的跳跃过程)代替标准Wiener过程。Kou模型在拟合历史股票数据方面优于Black–Scholes模型,而在期权定价方面比竞争对手的跳跃过程模型更容易处理,因为对于几种重要的期权类型,可以在Kou模型中给出期权价格的显式公式,而在其他模型中则无法给出(这是由于指数分布的“无记忆性”性质)。遗憾的是,Kou模型所基于的Lévy过程的概率密度函数没有明确的公式。与所有Lévy过程一样,过程在给定时刻的值的分布是无限可分的,但在这种情况下,它在卷积下不是闭合的。这意味着回报的分布取决于数据采样的时间尺度(即增量的大小). 什么时候?如果概率密度函数很小,则可以通过泰勒展开得到概率密度函数的近似公式。我们拿着这对于精确的近似来说足够小了。
参考
[1] S.Kou,“期权定价的跳-扩散模型”管理科学,482002年,第1086–1101页。