01 / 導讀
導讀
引用
Platen, E., & Bruti-Liberati, N. (2010). Numerical Solution of Stochastic Differential Equations with Jumps in Finance. Springer-Verlag.
章節概要
本書是一部約850頁的研究專著，主題是由維納過程和泊松跳測度驅動的隨機微分方程（SDE）的離散時間近似的設計與分析。前言把全書分為四部分：含隨機展開的理論基礎；強近似，連同估計與濾波；弱近似；以及關於數值穩定性、鞅表示和方差縮減的最後一部分。第18章給出各章末習題的解答。前言還區分了時間網格不含跳躍時刻的正則格式與網格包含跳躍時刻的跳適應格式，也區分了適用於情景分析、濾波和對沖模擬的強近似，與適用於衍生品價格、風險度量等期望的弱近似。
第1章：Stochastic Differential Equations with Jumps
對理論的自足介紹：隨機過程、上鞅與鞅、二次變差與協變差、伊藤積分與伊藤公式、SDE、線性SDE、帶跳的SDE，以及解的存在唯一性。
第2章：Exact Simulation of Solutions of SDEs
如果能對SDE的解進行精確抽樣，就不產生離散化誤差。本章講從轉移分佈抽樣、多維SDE的精確解、精確解的函式、通過條件化和時間變換得到的幾乎精確解，以及解的泛函。
第3章：Benchmark Approach to Finance and Insurance
本章介紹第一作者的基準方法，把它作為超越標準風險中性設定來建模風險的框架：市場模型、最佳表現組合、上鞅性質與定價、分散化、若干模型和最小市場模型下的真實世界定價，以及二項期權定價。
第4章：Stochastic Expansions
高階格式背後的數學引擎：Wagner-Platen展開簡介、多重隨機積分、係數函式、展開本身，以及多重隨機積分的矩估計。
第5章：Introduction to Scenario Simulation
本章從常微分方程解的近似出發，進入情景模擬，並介紹強Taylor格式和無導數強格式。
第6章：Regular Strong Taylor Approximations with Jumps
建立帶跳的離散時間近似，然後講強階1.0的Taylor格式、可交換性條件、收斂結果、關於多重伊藤積分的引理，以及收斂定理的證明。
第7章：Regular Strong Itô Approximations
顯式正則強格式、漂移隱式格式、平衡隱式方法和預估–校正格式，並給出收斂結果。
第8章：Jump-Adapted Strong Approximations
前述格式的跳適應版本（Taylor、無導數、漂移隱式、預估–校正、精確模擬）、收斂結果、強格式的數值結果以及純跳過程的近似。
第9章：Estimating Discretely Observed Diffusions
最大似然估計、估計量的離散化、擴散的變換函式、仿射擴散的估計、估計函式的漸近性質，以及跳擴散的估計。
第10章：Filtering
Kalman-Bucy濾波、隱馬爾可夫鏈濾波、均值回覆過程的濾波、濾波中的平衡方法，以及金融中濾波的基準方法。
第11章：Monte Carlo Simulation of SDEs
弱近似部分由此開始：蒙特卡羅模擬導論、弱Taylor格式、無導數弱近似、外推方法，以及隱式與預估–校正方法。
第12章：Regular Weak Taylor Approximations
弱Taylor格式、可交換性條件與收斂結果。
第13章：Jump-Adapted Weak Approximations
跳適應弱格式、無導數與預估–校正格式、若干精確弱格式、跳適應弱Taylor格式及其他跳適應弱格式的收斂性，以及弱格式的數值結果。
第14章：Numerical Stability
漸近p穩定性，以及預估–校正方法、若干隱式方法和簡化格式的穩定性。
第15章：Martingale Representations and Hedge Ratios
一般或有索取權定價、一維過程的對沖比率、顯式對沖比率、非光滑收益的鞅表示、絕對連續的收益函式、多種資產的最大值，以及回望期權的對沖比率。
第16章：Variance Reduction Techniques
各種方差縮減方法、測度變換技術、離散時間方差縮減估計量、控制變數和HP方差縮減方法。
第17章：Trees and Markov Chain Approximations
樹方法的數值效應、簡化格式的效率、高階馬爾可夫鏈近似、有限差分方法，以及馬爾可夫鏈的收斂定理。
第18章：Solutions for Exercises
各章末習題的解答，約25頁。
核心概念
第1–4章：理論與框架
- 帶跳的SDE：同時由維納過程和泊松跳測度驅動的方程，是後面所有格式所要近似的物件。
- 精確與幾乎精確模擬：不產生離散化誤差，或藉助條件化、時間變換而幾乎不產生誤差地對解抽樣。
- 基準方法：第一作者提出的定價與風險框架，以最佳表現組合為中心。
- Wagner-Platen展開：隨機的Taylor型展開，其截斷式產生後面各章的格式。
第5–10章：強近似、估計與濾波
- 強收斂階：格式的逐路徑精度，用於評價強Taylor格式和伊藤格式。
- 正則格式與跳適應格式：時間網格是忽略還是包含跳躍時刻。
- 漂移隱式、平衡隱式和預估–校正格式：以每步更多的計算換取更好穩定性的方法。
- 最大似然估計與濾波：離散觀測擴散的引數估計，以及Kalman-Bucy濾波和隱馬爾可夫鏈濾波。
第11–17章：弱近似與應用
- 弱收斂階：期望而非路徑的精度，是蒙特卡羅定價的標準。
- 可交換性條件：較簡單的格式得以保持階數的條件。
- 數值穩定性：步長增大時誤差是否仍受控制，通過p穩定性來研究。
- 對沖比率與鞅表示：對價格關於模型輸入的導數進行模擬。
- 方差縮減：控制變數、測度變換和HP方差縮減。
評析
優點
- 對跳的系統處理。 本書為帶跳SDE建立了完整的鏈條，從理論和展開到強格式、弱格式。前言稱其顯著超越了Kloeden與Platen關於無跳SDE的早先著作。
- 按目的清晰組織。 強格式與弱格式、正則格式與跳適應格式的區分體現在目錄中，讀者可以直接轉到情景分析或蒙特卡羅定價所需的那一族格式。
- 明確的閱讀路線。 開頭的“Suggestions for the Reader”給出四幅流程圖，分別面向不想深入數學的應用者、工程師與量化分析師、數學家以及金融從業者，列出該讀和可跳過的章節。
- 帶解答的習題。 每章都以習題結尾，第18章提供解答。
- 超出模擬的廣度。 除近似格式外，還包括精確模擬、引數估計、濾波、對沖比率和方差縮減。
局限
- 篇幅與密度。 全書超過850頁，含收斂定理的證明（如6.5和6.6節，以及第7、8、13章的收斂各節），這是一部專著，而不是短期課程。前言自己也說明，本書並不聲稱完整記述該領域的最新狀態。
- 金融用於激發，而不是教授。 前言說選擇金融是為了激發這些方法。需要把衍生品定價、期限結構模型或風險管理作為主題來學習的讀者，還需要其他書。
- 基準方法可能陌生。 前言說基準方法“對大多數讀者可能是新的”，第3章是它的主要介紹。
- 早於後來的進展。 這是2010年的文本，不含後續研究；前言提到作者的網頁是更新資訊的來源。
在課程中的定位
在本課程中，本書是價格理論各書的數值計算專門補充。Björk、Musiela與Rutkowski、Bingham與Kiesel、Lamberton與Lapeyre說明衍生品在連續時間模型中值多少；Platen與Bruti-Liberati則追問：當模型沒有閉式解並含有跳時，如何計算這些值。Glasserman的 Monte Carlo Methods in Financial Engineering 是更寬廣、更偏金融的模擬教材，涵蓋隨機數生成、方差縮減、擬蒙特卡羅、希臘字母、美式期權和風險管理；本書在離散化格式、收斂階和數值穩定性上更深入，並加入了跳。
初次接觸衍生品，應先讀Hull的 Options, Futures, and Other Derivatives 或較短的 Fundamentals of Futures and Options Markets。本書還以Kloeden與Platen 1992年關於無跳SDE的著作為基礎，前言稱之為它的前身。
如何使用本書
前言說，本書面向具有工程類本科數學方法訓練的讀者，對只需要數值“配方”的人也容易讀。這是應用路線的先修要求，數學路線則要求更多。
從“Suggestions for the Reader”的四幅流程圖中選擇一條。想在金融以外應用帶跳SDE的讀者走第一條：讀1.1至1.8節，再讀情景模擬導論章、正則與跳適應的強格式，以及第11至13章的弱格式，最後讀第14章和16.1節。工程師和量化分析師加上第2章、第4章和整個第16章。數學家略過第1章，直接讀第2章，然後轉向講收斂的各章。金融從業者在應用路線上加讀第2、3、9、10、15、16、17章。
無論走哪條路線，都要做每章末的習題，並對照第18章核對。對於跳適應格式，可把數值結果各節（8.8和13.7節）作為預期精度的參考。同時使用Glasserman那本書的讀者，可把它當作模擬實踐的指南，而把本書當作格式數值分析的參考書。