|
因此,我们不会对价格进行调整,而是会小心地对其与测量值(例如,一天交易的平均价格)的距离进行调整。为了生成合成价格,我们使用等式(19)中给出的局部波动率曲线。数据是在具有步长的FINE m esh上生成的τ=0.005和y=0.025,最大到期时间为τmax=0.5。我们只使用在τi=i·0.1到期的五个未来价格,其中i=1。。。,5.它们由f0给出,τi=1+0.1sin(3τiπ/2)。我们假设无风险利率为r=0,d表示无噪声的看涨期权价格面byv=v(a)。然后,在每个(τ,y)处,我们添加1%的相对噪声,使用vδ(τ,y)=v(τ,y)(1+δη),(22)定义噪声数据,其中δ=0.01,η是标准正态伪随机变量。我们在Kij=F0,τiexp(yj)处收集价格数据,其中yj=j·0.05,j=- 10, -9, ..., 0, 1, ..., 10,并且在相同的基础期货到期日。如第3.2节所述,函数(10a)的优化步骤使用了一种拆分方法,包括两个阶段,即关于F的最小化和关于a的最小化。在第一阶段中,我们将s和局部波动率a固定,并将函数(10b)中的参数设置为α=α=α=α=0,α=α=1和^F≡ 1.在第二阶段,我们将索引s和F固定,并将函数(10b)中的参数设置为a≡ 0.101, α= α= α= 0, α= 10-4, α= α= 0.01α.我们以恒定的局部波动率a开始最小化≡ 0.101,观察到的基础资产价格F=0.95Ftrue,其中ftrue是真实基础资产的集合。
|