|
然后,在任何优化模型中,质量in(f*, x个*) 映射到νx*定义为νx*= ν|(f*,g级*)+ λ*f*δf*+ λ*g级*δg*和外部质量(f*, x个*) 映射到ν- νx*.xx0<ν({x})0<ν({x})g(^x-)g(^x+)f((R)x-)f((R)x+)图14:ν的原子对应于f和g中的FL截面。无质量ν的区域对应于f和g的跳跃。4讨论和扩展4.1左幕耦合的作用对于任何一对打击(K,K),左幕模型达到了美国put的最高预期回报。然而,尽管它在所有对击中同时进行优化,但对于美式看跌期权的线性组合(一般而言)并非最优。例如,如果我们考虑一个广义美国期权,如果在时间1行使,则为a,如果在时间2行使,则为b,其中a(x)=PJj=1(Kj- x) +和b(y)=PJj=1(Kj- y) +(含Kj≤ kj对于每个j),则与左侧窗帘耦合相关联的模型参考通常不是最优的。原因是模型(S,M)只有在与最佳停止规则相结合时才是最优的,而最优停止规则依赖于(K,K)。相反,虽然与左帘耦合相关的模型是最优的(同时交叉所有对K,K),但在使用固定(K,K)时,我们不需要该耦合的全部功率。在色散假设的情况下,我们只需要一个耦合,其中(f(x*), x个*) 映射到(f(x*), g(x*)) 其中x*等于∧(x*) = 有许多鞅耦合具有这个性质。左帘耦合优化背后的直觉如下所示。在美国,期权支付促进早期行使的时间衰减与支付功能促进延迟之间存在紧张关系。如果目标是使期权的收益最大化,则最好在时间1时行使在货币中并将保留在货币中的任何路径。
|