5 votos

¿Cómo resolver este PDE uso de Feynman-Kac?

Tengo el siguiente problema: resolver $$F_t(t,x) + rxF_x(t,x) + \frac{\sigma^2}{2}F_{xx}(t,x) = rF(t,x), \\ F(T,x) = (x - K)^2.$$

¿Cómo puedo resolver esto?

Existe un teorema para resolver esto, lo que representa $F(t,x)$ como el descuento del valor esperado de $(X - k)^2$, donde $dX = rXds + \sigma X dW$ e con $X_t = x$.

Sin embargo, mis problemas se centran principalmente en torno a cómo desordenado mis cálculos conseguir. Si trato de resolver el anterior calculando en primer lugar $X_s$, ya que satisface una GBM, y luego calcular su expectativa después de la primera cuadra de la manera que necesito $(X - k)^2$, los cálculos conseguir muy desordenado, y todo lo que veo es un montón de $\exp$'s un montón de poderes que vagamente se parecen el uno al otro, pero aún así no simplificar fácilmente.

He cometido un error, o es la respuesta que realmente desordenado?

5voto

Dan R Puntos 1852

Martingala Enfoque

Como usted ha dicho, usted necesita para resolver

\begin{eqnarray} F(0) & = & e^{-r T} \mathbb{E} \left[ \left( X_T - K \derecho)^2 \derecho]\\ & = & e^{-r T} \left( \mathbb{E} \left[ X_T^2 \derecho] - 2 K \mathbb{E} \left[ X_T \derecho] + K^2 \derecho) \end{eqnarray}

Vamos A $Y_t = X_t^2$. Luego, mediante la aplicación de la Itō fórmula, obtenemos

\begin{eqnarray} \mathrm{d}Y_t & = & 2 X_t \mathrm{d}X_t + \mathrm{d} \langle X \rangle_t\\ & = & \left( 2 r + \sigma^2 \derecho) Y_t \mathrm{d}t + 2 \sigma Y_t \mathrm{d}W_t. \end{eqnarray}

De ello se sigue que

\begin{eqnarray} \mathbb{E} \left[ X_T \derecho] & = & X_0 e^{r},\\ \mathbb{E} \left[ X_T^2 \derecho] & = & X_0^2 e^{\left( 2 r + \sigma^2 \derecho) T}. \end{eqnarray}

En consecuencia,

\begin{ecuación} F(0) = e^{-r T} \left( X_0^2 e^{\left( 2 r + \sigma^2 \derecho) T} - 2 K X_0 e^{i T} + K^2 \derecho). \end{ecuación}

PDE Enfoque

Alternativamente, usted puede solicitar un cambio de variables para el PDE. Definir

\begin{ecuación} \tau = (T - t), \quad \xi = r - \frac{1}{2} \sigma^2, \quad y = \ln(x) + \xi \tau, \quad F(t, x) = e^{-i \tau} G(\tau, y). \end{ecuación}

Después de una cuidadosa aplicación de la regla de la cadena, obtenemos el PDE

\begin{ecuación} \frac{\partial G}{\parcial \tau} = \frac{1}{2} \sigma^2 \frac{\partial^2 G}{\partial y^2} \end{ecuación}

con condición inicial

\begin{ecuación} G(0, y) = \left( e^y - K \derecho)^2. \end{ecuación}

La solución fundamental es el calor del núcleo dada por

\begin{ecuación} \phi(\tau, y) = \frac{1}{\sqrt{2 \pi \sigma^2 \tau}} \exp \left\{ -\frac{y^2}{2 \sigma^2 \tau} \right\}. \end{ecuación}

Obtenemos $G(\tau, y)$ a través de la convolución

\begin{eqnarray} G(\tau, y) & = & \int_{-\infty}^\infty G(0, z) \phi(\tau, y - z) \mathrm{d}z\\ & = & \int_{-\infty}^\infty \left( e^{2 z} - 2 K e^z + K^2 \derecho) \phi(\tau, y - z) \mathrm{d}z. \end{eqnarray}

La próxima nota de que para algunos $\alpha \in \mathbb{R}$,

\begin{eqnarray} \int_{-\infty}^\infty e^{\alpha z} \phi(\tau, y - z) \mathrm{d}z & = & e^{\alpha y + \alpha^2 \sigma^2 \tau / 2} \end{eqnarray}

Así

\begin{ecuación} G(\tau, y) = e^{2 y + 2 \sigma^2 \tau} - 2 K e^{y + \sigma^2 \tau / 2} + K^2 \end{ecuación}

y la sustitución de los rendimientos de la espalda

\begin{ecuación} F(0, x) = e^{-r T} \left( x^2 e^{\left( 2 r + \sigma^2 \derecho) T} - 2 K x e^{i T} + K^2 \derecho) \end{ecuación}

como antes.

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X