2 votos

Cambio de muestreo en el movimiento browniano conductor de un proceso CIR

Tengo volatilidad impulsada por un proceso de CIR:

$$\mathrm{d}v_t = \kappa (\bar{v}-v_t)\mathrm{d}t + \omega \sqrt{v_t}\mathrm{d}W_v\text{.}\tag{1}$$

Estoy trabajando con varias aproximaciones (complicadas) de este proceso (por ejemplo, QE del El papel de Andersen ). Dado $v(t)$ Estas aproximaciones muestran un $v(t+\epsilon)$ . Sin embargo, además de tener una $v(t+\epsilon)$ Me gustaría probar

$$\int_t^{t+\epsilon} \mathrm{d}W_v = W_v(t+\epsilon)-W_v(t)\text{.}\tag{2}$$

Pregunta: Dado $v(t)$ y $v(t+\epsilon)$ ¿Cómo puedo tomar una muestra de la distribución condicional de (2)?

0 votos

Una idea que tuve para resolver mi problema, que va en una dirección diferente de la OP (pero creo que todavía puede responder a la OP debido al Teorema de Bayes), es muestrear $v(t+\epsilon)$ dado (2). Imagino que el muestreo de un $W_v(t+\epsilon)$ de la distribución normal, y luego usar el puente browniano para reescribir (1) y ver si puedo aplicar el algoritmo QE a la SDE resultante. Tampoco he averiguado cómo conseguir que esto funcione, pero si lo haces, puedo modificar el PO para que esté más abierto a ese tipo de solución (sin que tengas que explicar el paso del teorema de Bayes).

2voto

ir7 Puntos 435

Se puede utilizar el esquema de discretización de Euler-Maruyama para el CIR, "fijo" para $v$ positividad, para conseguir:

$$ v(t+\epsilon) -v(t)\approx \kappa (\bar{v} -v(t)^+)\epsilon + \omega \sqrt{v(t)^+} (W_v(t+\epsilon) - W_v(t)). $$

Así, una aproximación del incremento browniano, cuando $v(t)$ y $v(t+\epsilon)$ se dan, es:

$$ W_v(t+\epsilon) - W_v(t) \approx \frac{v(t+\epsilon) -v(t) - \kappa (\bar{v} -v(t)^+)\epsilon}{\omega \sqrt{v(t)^+} } \;\;\;\;\;({\rm when} \; v(t)\not= 0)$$

Nota: En el contexto del modelo Heston, se suele eliminar la integral de $\sqrt{v(t)}dW_v(t) $ (integral contra $W_v$ ) utilizando la igualdad exacta (ecuación (10), página 7 en El documento de Andersen ):

$$ \int_t^{t+\epsilon} \sqrt{v(u)}dW_v(u) = \omega^{-1} \left(v(t+\epsilon) -v(t) - \kappa \bar{v} \epsilon - \kappa\int_t^{t+\epsilon} v(u)du \right),$$

tras emplear la descomposición de Cholesky en $W_X$ , dejando que se calcule una integral frente a un nuevo movimiento browniano $W$ que es independiente de $v$ , $\int_t^{t+\epsilon} \sqrt{v(u)}dW(u)$ .

0 votos

Esto resuelve el problema. ¡Gracias! Cuando $v(t)=0$ como suele ocurrir en la QE, pienso aproximar $\int_t^{t+\epsilon} \mathrm{d}W_v=0$ . Además: su "Nota" probablemente confundirá a los futuros lectores sin un contexto adicional. No estoy tratando de hacer una muestra $W_v(t+\epsilon)$ para simular $X$ . ¿Quizás añadir una cita a la ecuación (10) de la página 7 del documento de Andersen?

0 votos

Hecho. Me alegro de que haya servido de algo.

1voto

Sean Puntos 11

Editar: Esto es probablemente incorrecto.

El esquema exponencial cuadrático es el mejor que he visto, ya que converge en la distribución y es bastante rápido, ¡así que buena elección!

Cuando $\eta$ es constante se puede simplificar la integral $$ \int_t^{t+\varepsilon}\eta dW(u)=\eta\int_t^{t+\varepsilon}dW(u)=\eta\left(W(t+\varepsilon)-W(t)\right) $$

En el esquema QE se utiliza una variable uniforme estándar o una variable normal estándar. Denotémoslas como $U_V$ y $Z_V$ respectivamente. Sabemos que los cambios en un proceso de Wiener se distribuyen normalmente de la siguiente manera $$ \Delta W\equiv W(t+\varepsilon)-W(t)\sim \mathcal{N}(0,\varepsilon) $$ donde el segundo argumento es la varianza. Así que en la simulación podemos encontrar $$ \Delta W=\begin{cases} \sqrt{\varepsilon}\cdot Z_V&\text{if }\psi\leq\psi_c\\ \sqrt{\varepsilon}\cdot\Phi^{-1}(U_V)&\text{if }\psi>\psi_c \end{cases} $$

0 votos

No, no tengo $W_v(t+\epsilon)$ . Por lo que sé, el proceso $W_v$ no se utiliza explícita o implícitamente en el algoritmo QE. Si lo fuera, eso también resolvería mi problema.

0 votos

Mis disculpas - He actualizado mi respuesta con una descripción de cómo se puede generar la trayectoria de Wiener simultáneamente.

0 votos

Me cuesta ver por qué el $W_v(t+\epsilon)-W_v(t)$ que usted recomienda es uno que está implícito en el esquema de QE. Lo que yo entiendo de la QE es que estamos aproximando la distribución de $V(t+\epsilon)$ dado $V(t)$ utilizando dos distribuciones más simples. No creo que las variables aleatorias que muestreamos tengan esta relación con $W_v$ .

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