1 votos

Algoritmo Longstaff Schwartz

Soy nuevo en finanzas, he implementado el algoritmo de Longstaff Schwartz para la valoración de opciones americanas - un activo (dimensión = 1).

Mis preguntas:

¿Este algoritmo sigue siendo eficiente para una dimensión alta? ¿Cuáles son otras desventajas de este algoritmo?

1 votos

El algoritmo LSMC fue diseñado para y suele ser utilizado para $d>1$. (Creo que este objetivo de diseño se menciona en el documento LS si mal no recuerdo). Para $d=1$ hay muchos algoritmos no MC mejores, por lo que normalmente no usaríamos LSMC en este caso.

1voto

Charles Chen Puntos 183

Como Alex C dice en los comentarios, Longstaff y Schwarz consideraron múltiples factores y lo mencionan como una de las ventajas (página 114 en el diario):

Por su naturaleza, la simulación es una alternativa prometedora a las técnicas tradicionales de diferencia finita y binomial y tiene muchas ventajas como marco para valorar, gestionar el riesgo y ejercer opciones americanas de forma óptima. Por ejemplo, la simulación se aplica fácilmente cuando el valor de la opción depende de múltiples factores.

Énfasis mío. Las desventajas que vienen a la mente son que el método

  • Es un método de Monte Carlo, lo que implica que los resultados tendrán un error de simulación;
  • No está claro a priori qué tipo de función de base funcionan mejor y cuántas son necesarias para realizar con éxito la regresión por cuadrados mínimos.

En el lado positivo, la prueba diagnóstica descrita en las páginas 127 y 128 se puede utilizar para probar si los parámetros que se eligen funcionan bien para el problema en cuestión.

0 votos

Gracias por sus respuestas, ¿qué hay de la tasa de convergencia cuando la dimensión es muy alta?

0 votos

Mira la sección 8.1, debería funcionar también cuando el número de dimensiones se vuelva grande, no estoy seguro de lo que quieres decir con 'muy alto'.

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