Core Concepts
본 연구는 고차원 미국식 옵션의 가격과 그리스(델타, 감마 등)를 동시에 효율적으로 계산하는 구배 강화 최소 제곱 몬테카를로(G-LSM) 방법을 제안한다. 이 방법은 희소 허미트 다항식 전개를 사용하여 지속 가치 함수를 근사하고, 구배 정보를 활용하여 선형 최소 제곱 문제를 풀어 계수를 계산한다.
Abstract
본 논문은 고차원 미국식 옵션의 가격 책정 및 헤지를 위한 효율적인 알고리즘을 제안한다. 주요 내용은 다음과 같다:
지속 가치 함수(CVF)를 희소 허미트 다항식 전개로 근사하고, 구배 정보를 활용하여 선형 최소 제곱 문제를 풀어 계수를 계산하는 구배 강화 최소 제곱 몬테카를로(G-LSM) 방법을 제안한다.
G-LSM은 기존 최소 제곱 몬테카를로(LSM) 방법에 비해 가격, 그리스, 최적 행사 전략의 정확도가 높으면서 계산 비용은 거의 동일하다.
희소 허미트 다항식 전개를 사용하면 구배 계산이 매우 효율적이어서 고차원 문제에서도 우수한 성능을 보인다.
G-LSM의 수렴성을 분석하고, 시간 단계 크기, 몬테카를로 통계 오차, 최적 근사 오차 등에 대한 오차 한계를 제시한다.
다양한 수치 실험을 통해 G-LSM의 우수한 성능을 입증하고, 최신 신경망 기반 방법과 비교한다.
Stats
고차원 미국식 옵션 가격 책정 및 헤지를 위한 효율적인 알고리즘
희소 허미트 다항식 전개를 사용하여 지속 가치 함수를 근사
구배 정보를 활용하여 선형 최소 제곱 문제를 풀어 계수 계산
가격, 그리스, 최적 행사 전략의 정확도가 높으면서 계산 비용은 거의 동일
수렴성 분석 및 오차 한계 제시
다양한 수치 실험을 통해 우수한 성능 입증
Quotes
"본 연구는 고차원 미국식 옵션의 가격과 그리스(델타, 감마 등)를 동시에 효율적으로 계산하는 구배 강화 최소 제곱 몬테카를로(G-LSM) 방법을 제안한다."
"G-LSM은 기존 최소 제곱 몬테카를로(LSM) 방법에 비해 가격, 그리스, 최적 행사 전략의 정확도가 높으면서 계산 비용은 거의 동일하다."
"희소 허미트 다항식 전개를 사용하면 구배 계산이 매우 효율적이어서 고차원 문제에서도 우수한 성능을 보인다."