×

最优停车问题的顺序设计。 (英语) Zbl 1320.91154号

总结:我们提出了一种通过仿真解决最优停车问题的新方法。在反向动态编程/Snell包络框架中,我们扩展了Longstaff和Schwartz的方法论,重点是近似停止策略。也就是说,我们引入了随机网格的自适应生成,锚定了底层状态过程的模拟样本路径。这允许分类器的主动学习,将状态空间划分为连续区域和停止区域。为此,我们研究了将新设计点自适应地放置在靠近停止边界的顺序设计方案。然后,我们讨论了能够实现此类递归估计和分类器局部细化的动态回归算法。通过各种数值实验对新算法进行了说明,表明可以在设计尺寸方面实现数量级的节省。我们还将在百慕大多维期权定价的背景下与现有基准进行比较。

MSC公司:

91G60型 数值方法(包括蒙特卡罗方法)
62升05 顺序统计设计
60克40 停车时间;最优停车问题;赌博理论
9120国集团 衍生证券(期权定价、对冲等)

软件:

EGO公司
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] V.Bally、G.PageÉs和J.Printems,{\it定价和对冲多维美式期权的量化树方法},数学。《金融》,15(2005),第119-168页·Zbl 1127.91023号
[2] J.Bect、D.Ginsbourger、L.Li、V.Picheny和E.Vazquez,《失效概率估计的计算机实验顺序设计》,统计学。计算。,22(2012),第773-793页·Zbl 1252.62081号
[3] D.Belomestny,{通过非参数回归对百慕大期权进行定价:较低估计值的最优收敛速度},Finance Stoch。,15(2011年),第655-683页·Zbl 1303.91166号
[4] B.Bouchard,I.Ekeland,and N.Touzi,{关于条件期望蒙特卡罗近似的Malliavin方法},《金融学杂志》。,8(2004),第45-71页·Zbl 1051.60061号
[5] B.Bouchard和X.Warin,《美国期权的蒙特卡罗估值:改进现有方法的事实和新算法》,收录于《金融数值方法》,R.Carmona、P.Del Moral、P.Hu和N.Oudjane编辑,Springer Proc。数学。12,Springer,纽约,2011年,第215-255页·Zbl 1247.91196号
[6] M.Broadie和P.Glasserman,《定价高维美式期权的随机网格法》,J.Compute。《金融》,第7期(2004年),第35-72页。
[7] J.F.Carrière,{使用模拟和非参数回归对期权的早期行使价格进行估价},《保险数学》。经济。,19(1996),第19-30页·Zbl 0894.62109号
[8] V.C.P.Chen、D.Ruppert和C.A.Shoemaker,《将实验设计和回归样条应用于高维连续状态随机动态规划》,Oper。Res.,47(1999),第38-53页·Zbl 0979.90094号
[9] H.A.Chipman、E.I.George和R.E.McCulloch,《贝叶斯CART模型搜索》,J.Amer。统计师。协会,93(1998),第935-948页。
[10] E.Cleíment、D.Lamberton和P.Protter,《美国期权定价的最小二乘回归算法分析》,《金融时报》。,6(2002),第449-471页·兹比尔1039.91020
[11] D.A.Cohn,{使用优化实验设计进行神经网络探索},《神经网络》,9(1996),第1071-1083页。
[12] P.Del Moral、P.Hu和N.Oudjane,{小概率标准的Snell包络},应用。数学。最佳。,66(2012),第309-330页·兹比尔1256.93121
[13] P.Del Moral、P.Hu、N.Oudjane和B.Reímillard,{\it关于Snell包络的稳健性},SIAM J.金融数学。,2(2011年),第587-626页·Zbl 1238.60048号
[14] D.Egloff,{最优停止和统计学习的蒙特卡罗算法},Ann.Appl。概率。,15(2005),第1396-1432页·Zbl 1125.91050号
[15] D.Egloff、M.Kohler和N.Todorovic,《百慕大期权定价的动态look-ahead Monte Carlo算法》,Ann.Appl。概率。,17(2007),第1138-1171页·Zbl 1136.91010号
[16] A.Fromkorth和M.Kohler,{关于在估计财务模型下基于回归的蒙特卡罗方法定价百慕大期权的一致性},数学。《金融》,25(2015),第371-399页·Zbl 1331.91190号
[17] P.Glasserman和B.Yu,{美式期权定价中的路径数与基函数数},Ann.Appl。概率。,14(2004),第2090-2119页·Zbl 1062.60041号
[18] R.B.Gramacy和M.Ludkovski,{噪声观测函数等高线发现的顺序设计及其在动态规划中的应用},编制中,2015年。
[19] R.B.Gramacy和N.G.Polson,{序贯设计和优化高斯过程模型的粒子学习},J.Compute。图表。统计学。,20(2011年),第102-118页。
[20] R.Gramacy、M.Taddy和N.Polson,《学习和设计的动态树》,J.Amer。统计师。协会,106(2011),第109-123页·Zbl 1396.62158号
[21] L.Gyo¨rfi、M.Kohler、A.Krzyzak和H.Walk,{非参数回归的无分布理论},Springer Ser。统计学。,施普林格,纽约,2002年·Zbl 1021.62024号
[22] D.R.Jones、M.Schonlau和W.J.Welch,{昂贵黑盒函数的高效全局优化},J.global Optim。,13(1998年),第455-492页·Zbl 0917.90270号
[23] M.Kohler,《基于回归的蒙特卡罗方法对美式期权定价的评述》,载于《应用概率统计的最新发展》,Springer,纽约,2010年,第37-58页·Zbl 1203.91295号
[24] M.Kohler、A.Krzyżak和N.Todorovic,{神经网络对高维美式期权的定价},数学。《金融》,20(2010),第383-410页·Zbl 1195.91160号
[25] H.J.Kushner和G.Yin,{随机逼近和递归算法及应用},斯托克。模型。申请。普罗巴伯。35,Springer,纽约,2003年·Zbl 1026.62084号
[26] F.A.Longstaff和E.S.Schwartz,《通过模拟评估美国期权:一种简单的最小二乘法》,Rev.Financial Stud.,14(2001),第113-148页。
[27] D.J.C.MacKay,{主动数据选择的基于信息的目标函数},神经计算。,4(1992年),第590-604页。
[28] N.Moreni,《美国期权定价的方差减少技术》,Phys。A、 338(2004),第292-295页。
[29] J.A.Picazo,《美国期权定价:分类蒙特卡罗(CMC)方法》,载于《2000年蒙特卡洛和准蒙特卡洛方法》,纽约斯普林格,2002年,第422-433页·Zbl 1002.91032号
[30] V.Picheny、D.Ginsbourger、Y.Richet和G.Caplin,{基于分位数的可调精度噪声计算机实验优化},《技术计量学》,55(2013),第2-13页。
[31] B.R.Rambharat和A.E.Brockwell,《随机波动率模型下美国式期权的序贯蒙特卡罗定价》,Ann.Appl。统计学。,4(2010年),第222-265页·兹比尔1189.62164
[32] P.Ranjan、D.Bingham和G.Michailidis,《基于复杂计算机代码的轮廓估计的序贯实验设计》,《技术计量学》,50(2008),第527-541页。
[33] S.Tompaidis和C.Yang,《用蒙特卡罗模拟定价美国式期权:普通最小二乘法的替代方法》,J.Compute。《金融》,18(2013),第121-143页。
[34] J.N.Tsitsiklis和B.Van Roy,《马尔可夫过程的最优停止:希尔伯特空间理论、近似算法和高维金融衍生品定价应用》,IEEE Trans。自动化。控制,44(1999),第1840-1851页·Zbl 0958.60042号
[35] D.Z.Zanger,{美式期权定价的最小二乘蒙特卡罗算法的定量误差估计},金融斯托克。,17(2013),第503-534页·Zbl 1282.91380号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。