Core Concepts
本研究は、高次元アメリカンオプションの価格と Greeks(価格関数の微分)を同時に効率的に計算するための勾配強化型最小二乗モンテカルロ(G-LSM)法を提案する。この手法は、疎Hermite多項式展開を継続価値関数の代理モデルとして使用し、勾配情報を活用することで高精度かつ高効率な解を得ることができる。
Abstract
本研究は、高次元アメリカンオプションの価格付けとヘッジのための効率的かつ簡単に実装できる勾配強化型最小二乗モンテカルロ(G-LSM)法を提案している。
主な特徴は以下の通り:
継続価値関数の近似に疎Hermite多項式展開を使用し、多項式基底関数の微分を容易に計算できるため、勾配情報を効率的に活用できる。
最小二乗問題を解くことで、前時刻の価値関数と正確な値関数を一致させる方式を採用しており、従来のLSM法とは異なる。これにより、価格、Greeks、最適行使戦略の精度が向上する。
理論的には、BSDE理論、確率・Malliavin解析を用いて、時間刻み幅、モンテカルロ近似誤差、最適近似誤差に関する誤差評価を導出している。
数値実験では、LSM法や最新のニューラルネットワーク手法と比較して、高次元(最大100次元)でも高精度な価格、Greeks、最適行使戦略を提供できることを示している。また、計算コストはLSM法とほぼ同等である。
Stats
提案手法のアルゴリズムの計算量は、時間ステップ数N、サンプル数M、基底関数数Nbに対してO(NMNb)である。
基底関数の疎性を活用することで、勾配の計算コストはほぼ無視できる。
Quotes
"本研究は、高次元アメリカンオプションの価格と Greeks(価格関数の微分)を同時に効率的に計算するための勾配強化型最小二乗モンテカルロ(G-LSM)法を提案する。"
"G-LSMは、最小二乗問題を解くことで、前時刻の価値関数と正確な値関数を一致させる方式を採用しており、従来のLSM法とは異なる。これにより、価格、Greeks、最適行使戦略の精度が向上する。"