(6.10)第一个因素是(ekt)- ekt)+=(kt)- kt+O(kt))+=εkt+O(kt)。对于(6.10)中的第二个因素,我们将(i)与kt:limt一起应用↓0tktlog P[Xt≥~kt]=-2v。因此,lim inft↓0tktlog c(kt,t)≥ 极限↓0tkt-2vktt1+o(1)= -(1+ε)2v。现在让ε↓ 0来获得c(kt,t)所需的下限。至于上限,我们让p>1,并注意到,通过定义p7→ T*(p) ,我们有[Sp+1t]<∞ 尽管如此,t∈ [0,t*(p+1)]。定义St=sup0≤U≤Tsut公司≥ 0.通过Doob不等式(文献[27]中的定理3.8),我们得到了*(p+1)≥ s]≤E[Sp+1t*(p+1)]sp+1,s>0。因此*(p+1)有一个固定的pth时刻:E[(\'St*(p+1)p]=pZ∞服务提供商-1P[\'St]*(p+1)≥ s] ds<∞.利用支配收敛定理和S的连续性,我们得出↓0E[Spt]=Sp.(6.11)现在让1/p+1/q=1并应用H¨older不等式:c(kt,t)=E[(eXt- ekt)+{Xt≥[kt}]≤ E[((分机)- ekt)+)p]1/pP[Xt≥ kt]1/q≤ E[Spt]1/pP[Xt≥ 通过(6.11)和(i),我们得到了↓0tktlog c(kt,t)≤qlim supt↓0tktlog P[Xt≥ kt]=-2qv。现在让p↑ ∞, i、 e,q↓ 1.同一论点得出了蕴涵的下界(ii)==>(i) 。(ii)的剩余上限==> (i) 它的显示非常类似于含义的下限(i)==> (二)。参考文献[1]A.Bentata和R.Cont,半鞅边缘分布的短时间渐近性。预印本,可在http://arxiv.org/abs/1202.1302, 2012.[2] H.Berestycki,J.Busca和I.Florent,局部挥发性模型的渐近性和校准,Quant。《金融》,第2期(2002年),第61-69页。波动率建模特刊。[3] H.Berestycki,J.Busca和I.Florent,计算随机波动率模型中的隐含波动率,Comm.Pure Appl。数学57(2004),第1352-1373页。[4] N·H·宾厄姆、C·M·戈尔迪和J·L·泰格尔,《正则变分》,数学及其应用百科全书第27卷,剑桥大学出版社,剑桥,1987年。[5] 布鲁尼克和S。
|