|
这些结果让我们得出结论,如果我们把基础资产价格作为额外的未知因素,那么调整它们,我们就能提高重建质量。5.2使用合成数据的在线方法在这个合成示例中,我们接下来将说明,随着我们增加通话价格数据集,重建得到了改进。因此,我们首先使用波动率曲面(19),使用τmax=0.5和网格步长生成欧洲看涨期权价格τ=0.005和y=0.025,对于标的资产S的不同价值。然后,我们应用(22)中的相对噪声,并收集到期日τi=i·0.1,i=1。。。,5,且在打击yj=j·0.05时-10.30.40.50.6T=53,N=1-10.30.40.5T=82,N=1-10.250.30.350.40.45T=112,N=1-10.250.30.350.40.45T=145,N=1-10.250.30.350.4T=173,N=1-1 10.250.30.350.4T=202,N=1图9:市场价格(平方)和重建(连续线)各到期日的隐含波动率,未经调整的基准价格。-10.30.40.50.6T=53,N=2-10.30.40.5T=82,N=2-10.250.30.350.40.45T=112,N=2-10.250.30.350.40.45T=145,N=2-10.250.30.350.4T=173,N=2-1 10.250.30.350.4T=202,N=2图10:市场价格(平方)和重建(连续线)在每个到期日的隐含波动率,以及调整后的基准价格。j=-10, -9, ..., 0, 1, ..., 10.标的资产的价值为S(l)=0.8+l·s、 和台阶一样大s=0.1,0.05,0.025。因此,我们使用1组、5组、9组和17组期权价格重构了在线设置下的局部波动面。我们从常数曲面A开始最小化≡ 0.08,并停止迭代,只要l-数据误差低于0.011。当使用一组唯一的期权价格时,我们将α设为10-3.当使用多个时,wesetα=10-4.
|