DE10062120A1 - Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen Gittern - Google Patents
Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen GitternInfo
- Publication number
- DE10062120A1 DE10062120A1 DE10062120A DE10062120A DE10062120A1 DE 10062120 A1 DE10062120 A1 DE 10062120A1 DE 10062120 A DE10062120 A DE 10062120A DE 10062120 A DE10062120 A DE 10062120A DE 10062120 A1 DE10062120 A1 DE 10062120A1
- Authority
- DE
- Germany
- Prior art keywords
- integration
- dollar
- integrand
- derivatives
- thin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Abstract
Technische Aufgabe und Zielsetzung DOLLAR A Die schnelle und genaue Bewertung komplexer Finanzderivate ist ein zentrales Problem vieler Banken, Versicherungen und Anleger. In vielen Fällen kann der Preis solcher Derivate als Erwartungswert bestimmt werden. Bestehende Vorrichtungen und Verfahren zur Berechnung dieser Erwartungswerte, basierend auf Monte Carlo oder Quasi-Monte Carlo Integration, sind jedoch sehr zeitintensiv und ungenau. DOLLAR A Lösung der Aufgabe DOLLAR A Die Bewertung von Finanzderivaten wird mittels einer Vorrichtung, bestehend aus einem Computer und einem Verfahren, basierend auf multivariater numerischer Integration mit Hilfe von dünnen Gittern durchgeführt. Das vorgeschlagene Verfahren kann die auftretenden Erwartungswerte effizienter als bisherige Verfahren berechnen und damit die Preise der Derivate wesentlich schneller und genauer ermitteln. DOLLAR A Die Vorrichtung beinhaltet eine Ein- (1) und eine Ausgabeeinheit (6), eine Speichereinheit (5) sowie eine Programmeinheit (2-4). Die Programmeinheit besteht aus einem Aufbaumodul (2), einem Diskretisierungsmodul (3) und einem Integrationsmodul (4). DOLLAR A Im Falle nicht glatter Integranden, wie sie z. B. bei der Bewertung von Optionen auftreten, wird das Integrationsgebiet durch Transformationen in glatte Teilgebiete zerlegt. Eine zusätzliche Beschleunigung des Verfahrens wird durch Dimensionsreduktion sowie Parallelisierung ermöglicht. DOLLAR A Anwendungsgebiet DOLLAR A Die Vorrichtung ermöglicht zusammen mit dem vorgeschlagenen Verfahren die ...
Description
Die Erfindung liegt auf dem Gebiet der elektronischen Datenverarbeitung, speziell auf dem
Gebiet der Finanzinformatik. Insbesondere betrifft die Erfindung die schnelle und genaue Be
wertung von Finanzderivaten mit Hilfe von elektronischen Rechnensystemen.
Die Bewertung von Finanzderivaten hat im letzten Jahrzehnt einen starken Aufschwung erfah
ren und ist zu einem wichtigen Instrument in der Finanzwirtschaft geworden. Einerseits ist die
Möglichkeit einer Bewertung eine notwendige Voraussetzung, damit ein Finanzinstitut über
haupt ein neues Derivat anbieten kann, andererseits ist die Bewertung nötig um ein Portfolio
geeignet zu strukturieren, abzusichern und zu optimieren.
Es gibt nun eine Reihe verschiedener Arten von Finanzderivaten, die beispielsweise Zins-
oder Aktien-basiert sind. Hierzu zählen u. a. Bonds, Swaps, Futures, CMOs und Optionen. Ihre
Bewertung erfolgt, unter der Annahme, daß keine Arbitragemöglichkeit besteht, mittels parti
eller Differentialgleichungen oder über den Martingalansatz. Letzterer ist jedoch allgemeiner.
Dabei spezifiziert man zunächst einen stochastischen Prozeß für den zugrunde liegenden Wert
(zum Beispiel den Zinssatz oder den Aktienkurs). Dann bestimmt man das äquivalente Mar
tingalmaß, das den zugrunde liegenden Prozeß in ein Martingal umwandelt und berechnet den
Wert des Derivats als den Erwartungswert seiner discounteten Auszahlungsfunktion unter die
sem risikoneutralen Maß. Unter bestimmten Voraussetzungen ist der Zugang über eine partielle
Differentialgleichung und das Martingal gleichwertig. Der Zusammenhang wird dabei über ver
allgemeinerte Feynman-Kacz Formeln hergestellt. Der Martingalansatz ist jedoch universeller
einsetzbar und leichter auf neue Situationen übertragbar.
Der Preis eines Finanzderivats läßt sich somit als Erwartungswert ausdrücken. In konti
nuierlicher Zeit beinhaltet der Integrand dabei wiederum ein Pfadintegral, das etwa mit dem
Euler-Verfahren/Trapezregel diskretisiert werden kann oder es wird bedingt durch die Anwen
dung gleich ein zeitdiskretes Modell verwendet. In beiden Fällen führt dies zu einem hochdi
mensionalen Integrationsproblem. Für die einfache Europäische Call Option ist es möglich eine
geschlossene Lösung anzugeben (Black-Scholes Formel), kompliziertere Optionstypen benötigen
jedoch ein numerisches Lösungsverfahren. Dies gilt analog auch für die anderen Arten von Fi
nanzderivaten.
Als numerisches Integrationsverfahren für hochdimensionale Integranden ist die klassische
multivariate Quadratur nicht geeignet. Hier begegnet man dem Fluch der Dimensionalität: Der
Aufwand skaliert hier exponentiell mit der Dimension. Man hat die Komplexität der Ordnung
O(N-r/d) wobei r die Glattheit des Integranden und d seine Dimension bezeichnen. Hingegen
ist das Monte Carlo Verfahren von der Dimension unabhängig. Dabei wird der Integrand f an
einer zufälligen Folge von N Punkten xi ausgewertet und man erhält die Quadraturformel
Das Monte Carlo Verfahren konvergiert jedoch nur sehr langsam (und auch nur im statisti
schen Sinne). So ist die Genauigkeit, die mit N Funktionsauswertungen erzielt werden kann,
von der Ordnung O(1/√N). Von besonderem Interesse sind deswegen die im letzten Jahrzehnt
entwickelten Quasi Monte Carlo Methoden [4]. Hier wird der Integrand für eine deterministisch
bestimmte Folge von Punkten xi ausgewertet und man verwendet als Quadaturformel analog
zum Monte Carlo-Verfahren
Es gibt hierbei eine Reihe verschiedener Konstruktionen, beispielsweise die Halton-, Sobol- oder
Faure-Folgen, die sich in ihrer Präasymptotik unterscheiden aber alle in einer Konvergenzord
nung des Typs O((log N)d/N) resultieren. Diese ist also fast eine Ordnung besser als für die
Monte Carlo Methode. Zudem ist der Fehler deterministisch. Prototyp ist hierbei das Programm
FinDer von J. Traub [9], das mittlerweile in vielen Banken verwendet wird. Diese Methode wurde
in den Patenten US 005940810A [7] und US 006058377A [8] dokumentiert.
Weiterhin gibt es sogenannte Dünngitterverfahren [2, 6]. Bei diesem Ansatz werden mehrdi
mensionale Quadraturformeln durch geeignete Kombination von Tensorprodukten eindimensio
naler Quadraturformeln, wie z. B. Clenshaw-Curtis oder Gauß-Patterson Formeln, konstruiert.
Das allgemeine Dünngitterverfahren kann wie folgt beschrieben werden. Man betrachtet zunächst
eine Folge eindimensionaler Quadraturformeln für eine eindimensionale Funktion f,
Nun definiere die Differenzformel durch
Die Dünngitterkonstruktion für d-dimensionale Funktionen f besteht für l ∈ N und k ∈ N d aus
mit Indexmengen Il sodaß für alle k ∈ Il,
k - ej ∈ Il for 1 ≦ j ≦ d, kj < 1,
gilt. Spezialfälle des Verfahrens sind klassische dünne Gitter, wo Il = {|k|1 ≦ l + d - 1}, sowie
klassische Produktformeln, bei denen Il = {|k|∞ ≦ l}. Abb. 4 gibt Beispiele verschiedener klas
sischer dünner Gitter im 2D Fall basierend auf der Trapez-, der Clenshaw-Curtis Formel, der
Gauß-Patterson und der Gauß-Legendre Formel. Ein substanzieller Unterschied zu Monte Carlo
und Quasi-Monte Carlo Verfahren ist hier die Verwendung unterschiedlich großer Gewichtsfakto
ren, d. h. in der Darstellung QNf = Σ N|i=1 wif(xi) sind die Gewichte wi des Dünngitterverfahrens
nicht alle gleich 1/N.
Die Konvergenzordnung das klassischen Dünngitterverfahrens ist ε = O(log(N)(d-i)(r+i)N-r)
und damit ebenfalls unabhängig von der Dimension d. Im Gegensatz zu Monte Carlo und Quasi-
Monte Carlo Verfahren kann das Dünngitterverfahren allerdings auch die Glattheit r des Inte
granden nutzen und hat damit exponentielle Konvergenz bei glattem Integranden (r → ∞). Für
glatte Integranden ist damit dieses Verfahren substantiell schneller als die Monte Carlo oder
Quasi-Monte Carlo Verfahren.
Für das Dünngitterverfahren ergeben sich jedoch zwei grundsätzliche Probleme: Zum einen
verschlechtert sich die Konvergenzrate des Verfahrens bei nicht glatten Integranden, wie sie
z. B. bei Optionen auftauchen, d. h. es verliert in diesem Fall seinen Vorteil. Zum anderen ist
das Verfahren ebenso wie Quasi-Monte Carlo Verfahren nicht vollkommen unabhängig von der
Dimension und die Konvergenzrate verschlechtert sich ebenfalls mit ansteigender Dimension.
Die Erfindung bezieht sich hierbei auf eine Vorrichtung bestehend aus einem Computer und ein
Verfahren, welches auf der Dünngittertechnik basiert, die die schnelle Berechnung von Erwar
tungswerten erlaubt, wie sie zur Bewertung von Derivaten aus dem Finanz- und Bankenwesen,
z. B. Zins-, Aktien-, Währungs- oder Güterderivaten, benötigt werden.
Die Vorrichtung (Abb. 1) besteht aus einem Computer mit einer Ein- (1) und Ausgabeeinheit
(6), einer Speichereinheit (5) sowie einer Programmeinheit (2-4). Die Ein- und Ausgabeeinhei
ten ermöglichen die Eingabe der Derivatparameter und die Ausgabe des Derivatwertes. Die
Speichereinheit wird zur Ablegung des Programms, der Ein- und Ausgabewerte, sowie von Zwi
schenergebnissen benötigt. Die Programmeinheit besteht aus einem Aufbaumodul (2), einem
Diskretisierungsmodul (3) und einem Integrationsmodul (4). Das Aufbaumodul hat die Aufgabe
der Bestimmung der Integrationsfunktion. Das Diskretisierungsmodul ermittelt geeignete Inte
grationspunkte mittels dünner Gitter. Das Integrationsmodul berechnet daraufhin den Wert des
Derivats durch Kombination der Funktionswerte an den Integrationspunkten.
Im Folgenden werden die einzelnen Komponenten genauer beschrieben. Die Eingabe erfolgt
über eine Tastatur, ein anderes Eingabegerät oder über eine analoge bzw. digitale Verbindung.
Die Eingabedaten spezifizieren den genauen Typ des Derivats sowie die Eigenschaften der zu
grunde liegenden Werte. Die Daten sowie weitere Zwischenergebnisse werden in einem Speicher
abgelegt. Ein Computerprogramm liest in einem ersten Schritt (Aufbau) diese Daten ein und
baut ein mehrdimensionales Integrationsproblem basierend auf den Eingabedaten auf. In einem
zweiten Schritt (Diskretisierung) werden mit Hilfe dieser Informationen geeignete Integrations
punkte und Integrationsgewichte basierend auf der Dünngitter-Technik ermittelt. Im dritten
Schritt (Integration) wird das Integrationsproblem durch Auswertung des Integranden an den
berechneten Integrationspunkten und Kombination der Ergebnisse gelöst und als Ergebnis der
Wert des Derivats zurückgeliefert. Die Ausgabe erfolgt über einen Bildschirm, ein anderes Aus
gabegerät oder eine analoge bzw. digitale Verbindung.
Dieses Verfahren ist bei glatten Integranden, wie sie typischerweise zur Bewertung von Zins
derivaten auftreten, ohne weitere Modifikationen einsetzbar. Beispiele hierfür sind Portfolio-
Optimierung, Preisfestsetzung von futures und forward-Verträgen, die Bewertung hypotheken
basierter Wertpapiere, Preisbestimmung von Versicherungsverträgen, Risikomanagement oder
Entscheidungsfindung bei Investitionen. Im Falle von nicht glatten Integranden, wie sie z. B. bei
der Bewertung von Optionen auftreten, verschlechtert sich jedoch Konvergenz des Verfahrens
stark. In so gut wie allen Fällen besitzen hier die Integranden unstetige erste Ableitungen (r = 1),
in manchen Fällen ist sogar der Integrand selbst unstetig (r = 0). Ein wesentlicher weiterer Be
standteil der Erfindung ist daher eine Zerlegung des Integrationsgebiets in glatte Bereiche im
Diskretisierungsschritt. Durch geeignete Transformationen werden dann die Dünngitterquadra
turformeln auf diese Teilbereiche abgebildet und das Gesamtintegral als Summe dieser Einzelin
tegrale berechnet. Auf diese Weise wird nur über glatte Bereiche integriert und die positiven
Eigenschaften des Dünngitterverfahrens bleiben erhalten.
Das Dünngitterverfahren ist zwar weitestgehend, aber dennoch nicht vollständig von der Di
mension des Integrationsproblem unabhängig. Die Dimension d tritt in der Konvergenzordnung
als Exponent eines logarithmischen Faktors auf. Dies führt zu einer (wenngleich auch langsamen)
Verschlechterung der Konvergenz, wenn die Dimension d ansteigt. Daher ist es sinnvoll, dimensi
onsreduzierende Verfahren anzuwenden. Zum einem wird im Falle von pfadabhängigen Optionen
der zugrunde liegende stochastische Prozesses hierarchisch (z. B. mit Braunscher Brücke) diskre
tisiert. Zum anderen wird im Falle von performance-abhängigen Optionen die Volatilitätsmatrix
mittels Singulärwertzerlegung transformiert. In beiden Fällen wird durch eine Fokussierung auf
die jeweils wichtigsten Dimensionen im Aufbaumodul eine Reduktion der effektiven Dimensi
on vorgenommen. Das Dünngitterverfahren verwendet dann im Diskretisierungsmodul genauere
Quadraturformeln in wichtigeren Dimensionen und weniger genaue Formeln in weniger wichti
gen Dimensionen. Auf diese Weise wird in vielen Fällen eine weitestgehende Unabhängigkeit des
Verfahrens von der Dimension und in den restlichen Fällen zumindest eine starke Beschleunigung
des Verfahrens erreicht.
Eine zusätzliche Beschleunigung des Verfahrens geschieht durch Parallelisierung, d. h. ei
ne verteilte Berechnung auf mehreren Prozessoren. Sie ist ein weiterer Bestandteil der Erfin
dung. Hierbei wird das gesamte Integrationsproblem in voneinander unabhängige Teilprobleme
unterteilt. Dies sind z. B. die einzelnen Teilbereiche, die durch obige Transformation entstan
den sind, oder die Teilsummen über die verschiedenen Multiindizes k aus der Dünngitter-
Quadraturformel. Die Vorrichtung ist in Abb. 2 und 3 dargestellt. Aufgabe des Verteilungs
moduls (7) ist die Zerlegung des Integrationsproblems. Die Kombination der Teilergebnisse wird
während der parallelen Rechnung durch ein Zusammenführungsmodul (8) erledigt. Die einzel
nen Teilprobleme werden entweder in einem parallelen Rechensystem mit verteiltem Speicher
(Abb. 2) oder gemeinsamen Speicher (Abb. 3) durchgeführt.
Eine Option ist ein Vertrag zwischen zwei Parteien, der dem Halter das Recht aber nicht die
Pflicht gibt, eine festgesetzte Menge von z. B. Aktien zu einem bestimmten Zeitpunkt zu einem
vorher festgelegten Preis zu kaufen/verkaufen. Eine Option stellt damit einen intrinsischen Wert
dar, da der Halter die Option nicht ausüben muß. Die Frage ist nun wie der Preis für eine Option
fair bewertet werden kann. Konkret haben wir hier mit dem Martingalansatz die Bewertung
V = e-rTE(P({S j|i}))
Dabei bezeichnet r die konstante Zinsrate, t = T den Zeitpunkt der Optionsausübung, P die
Auszahlungsfunktion, S j|i den Aktienwert der i-ten Aktie des Portfolios zur Zeit jΔt, mit Δt =
T/M. Hier ist M die Zahl der diskreten Zeitpunkte j = 1, . ., M und N bezeichnet die Zahl der
betrachteten Aktien i = 1, . ., N. e-rT ist der Discountfaktor und t = 0 ist der Zeitpunkt der
Optionsbewertung.
Wir nehmen nun an, daß die Aktien des Portfolios einem Modell folgen, das durch die
stochastische Differentialgleichung
beschrieben ist, wobei (σik) die zeitkonstante Volatilitätsmatrix bezeichnet, µi die zeitkonstante
Drift für die Aktie i bezeichnet1) und dWi ein geometrischer Brownscher Prozeß für die Aktie i
ist, d. h. W, ist das Wiener Maß. Integration und Itô-Formel ergibt nach Diskretisierung in der
Zeit mit den Zeitpunkten jδt die Werte S j|i
und somit gilt2)
1)Es gibt auch Ansätze mit zeitabhängigen Volatilitätsmatrizen und zeitabhängiger Drift. Dann folgen σik und
µi eigenen SDEs, die ihr Verhalten modellieren.
2)Im Computerprogramm wird die erste rekursive Formel genutzt. Die jetzt folgende nicht-rekursive aufsum
mierte Form ist aber notwendig um den späteren Integranden definieren zu können.
Hier sind W l|k Zufallsvariable, die N(0, 1)-verteilt sind.
Die Definition des Erwartungswerts E(.) ist nun für eine allgemeine Funktion f
mit der Standard-Normalverteilung
Mit der Forderung, daß keine Arbitrage existiert, muß der Erwartungswert bezüglich des zum
unterliegenden Prozesses äquivalenten Martingalmaßes genommen werden. Es werden dabei in
unserem Fall im Integral des Erwartungswerts die µi durch r ersetzt. Damit findet auch der
Wechsel der SDE (1) in die risikoneutrale Form statt.
Was nun noch fehlt sind die konkreten Auszahlungsfunktionen. Diese sind abhängig von
jeweiligen Typ der Option. Generell haben sie die Struktur
für Call Optionen und
für Put Optionen. Dabei ist K der Ausübungspreis. Beispiele sind pfadabhängige Optionen
(N = 1, M < 1) und performanceabhängige Optionen (N < 1, M = 1).
Populärstes Beispiel für pfadabhängige Optionen sind sogenannte Asiatische Optionen. Hier
bei wird für die Auszahlungsfunktion der Mittelwert über die Aktienkurse zu allen Zeitpunkten
zwischen dem momentanen Zeitpunkt und dem Ausübungszeitpunkt genommen. Wir betrachten
im folgenden den Fall des geometrischen Mittels, d. h. H({S j|i}) = (S 1|i.S 2|i.. . ..S M|i)1/M. Hierzu
existiert eine geschlossene Lösung in Form einer verallgemeinerte Black-Scholes Formel. Kleine
Änderungen und Variationen (z. B. schon das arithmetische Mittel) sind jedoch nicht mehr ohne
weiteres analytisch lösbar und benötigen ein spezielles numerisches Integrationsverfahren.
Ein Beispiel für performanceabhängige Optionen sind sogenannte "Tailored Options" [3].
Hier hängt der Preis der Option von der relativen Performance eines Aktienkurses in bezug auf
die anderen Aktienkurse einer betrachteten Menge von Aktien ab. Ein Beispiel für eine Call
Option ist
wobei a ein Parameter aus [0,1) ist. Eine Mischung aus beiden Optionstypen ist selbstverständ
lich auch möglich. Mit M = N = 1 ergibt sich als Spezialfall die Europäische Call Option mit
der Black Scholes Formel als analytischer Lösung.
Nun ist also zur Optionsbewertung ein im allgemeinen hochdimensionales Integrationspro
blem zu lösen. Die Dimensionen rühren dabei von den Zeitpunkten her, über die bei pfad
abhängigen Call Optionen gemittelt wird, oder/und von der Zahl der betrachteten Aktien bei
performance-abhängigen Optionen. Aufgrund der Definition des Erwartungswerts ist das Inte
grationsgebiet bisher noch (-∞, ∞)N.M. Um Integrationsmethoden anwenden zu können trans
formieren wir das Integral des Erwartungswerts mit Hilfe der kumulativen Normalverteilung
G(y): = ∫ y|-∞g(x)dx auf [0, 1]N.M und erhalten damit
Für die Integration von (5) mit (3) bzw. (4) wollen wir nun die Dünngitter-Technik gewinn
bringend einzusetzen.
Für Optionen ergibt sich nun jedoch folgendes Problem: Die Auszahlungsfunktion ist durch
die Natur einer Option nicht mehr glatt. Dies drückt letztendlich aus, daß man eine Option ja
nicht ausüben wird wenn der Kauf oder Verkauf der abgesicherten Aktie einen Verlust ergeben
würde. Der Integrand weist bzgl. einer (M.N - 1)-dimensionalen Mannigfaltigkeit einen Knick
(pfadabhängige Optionen) oder sogar Sprünge (performanceabhängige Optionen) auf. (Neben den
Singularitäten am Rand des Integrationsgebiets, die durch die Transformation auf [0, 1]d
entstanden sind.) Beispiele
für den Integranden im zweidimensionalen Fall sind in Abb. 5 gegeben. Deutlich sieht man den
Knick bzw. den Sprung des Integranden. Die Glattheitsvorraussetzungen für die Anwendung des
Dünn-Gitter-Verfahrens sind damit nicht mehr gegeben.
Die Idee ist nun nur über den Träger des Integranden zu integrieren. Hier ist der Integrand
eine glatte Funktion, die Knicke und Sprünge befinden sich gerade am Rand des Trägers. Um
dieses Gebiet zu bestimmen genügt es, die Nullstellen des Integranden zu berechnen. Wenn man
das Integral iteriert berechnet reduziert sich die Nullstellensuche auf eine einzige (die letzte)
Dimension. Wir bestimmen deswegen in der letzten Dimension die Nullstelle (Newtonverfahren
für den Knick oder Bisektionsverfahren für den Sprung) und transformieren den Integranden
bezüglich der letzten Dimension mit der linearen Abbildung
t(x) = x.(1 - ) +
auf [0,1].
Abb. 5 gibt einen Vergleich der verschiedenen Integrationsverfahren bei der Bewertung einer
pfadabhängigen Option mit 6 Zeitpunkten, M = 6, N = 1, und einer performance-abhängigen
Option mit M = 1, N = 2. Die überlegene Konvergenzordnung unseres Dünn-Gitter Verfah
rens mit Transformation und Gauß-Patterson Formel über die anderen Methoden (Monte Carlo
(MC), Klassischer Produktansatz ohne (PR) und mit Transformation auf den Träger (PRTR),
Quasi-Monte Carlo ohne (QM) und mit Transformation auf den Träger (QMTR), sowie Gauß-
Patterson-Dünne-Gitter ohne (SG) und mit Transformation auf den Träger (SGTR)) ist deutlich
zu sehen. Man beachte, daß der Fehler hier logarithmisch aufgetragen ist. Es zeigt sich, daß un
ser neues Verfahren den Monte Carlo und Quasi-Monte Carlo Methoden überlegen ist. Diese
können eine höhere Glattheit des Integranden nicht ausnutzen, die neue allgemeine Dünngitter-
Quadratur kann dies hingegen in optimaler Weise.
Nachdem die Komplexität des Dünngitterverfahrens aufgrund des Terms log(N)(d-1)(r+1)
nicht vollkommen unabhängig von der Dimension des Problems ist, ist es sinnvoll, zusätzlich
Dimensionsreduktionsverfahren einzusetzen. Hier soll erläutert werden, wie das Verfahren durch
hierarchische Diskretisierung des stochastischen Prozesses und adaptive Verfeinerung das Ver
fahren weiter beschleunigt werden kann.
Der natürlichste Weg einen stochastischen Prozess zu diskretisieren ist durch einen random
walk, d. h. durch die rekursive Formel
wobei b(Wj i) genau dem Exponenten aus der Formel 2 entspricht. Durch Diskretisierung mittels
Braunscher Brücke [1], wird jedoch der Prozeß mittels eines zukünftigen und eines vergangenen
Wertes diskretisiert
So werden startend mit
die Werte S M/2|i, S M/4|i, S 3M/4|i, S M/8|i, S 3M/8|i, . . .
usw. ermittelt. Dies führt zu einer Konzentration der Gesamtvarianz des Prozesses in den er
sten Schritten der Diskretisierung was die Konvergenzrate von Quasi-Monte Carlo Methoden
verbessert.
Für das klassische Dünngitterverfahren ergibt sich kein sofortiger Vorteil durch diese Dis
kretisierungstechnik nachdem alle Dimensionen von gleicher Wichtigkeit sind. Das allgemeine
Dünngitterverfahren kann jedoch nun dimensionsadaptiv eingesetzt werden und Quadraturfor
meln mit niedrigerem Grad in weniger wichtigen Dimensionen verwenden. Auf diese Weise re
duziert sich die effektive Dimension für Integrale vom Typ (5) bei pfadabhängigen Derivaten,
wodurch die entstehenden Integrationsprobleme schneller und genauer berechnet werden können.
[1] R. E. Caflisch, W. J. Morokoff and A. Owen: Valuation of mortgage backed securities using Brownian
bridges to reduce effective dimension J. Comput. Finance, 1, 1997.
[2] T. Gerstner and M. Griebel, Numerical integration using sparse grids, Numer. Algorithms, 18: 209- 232, 1998.
[3] R. Korn, Optimal Portfolios, World Scientific, 1997.
[4] H. Niederreiter, Random number generation and Quasi-Monte Carlo methods, SIAM, 1992.
[5] E. Novak, K. Ritter, High dimensional integration of smooth functions over cubes, Numer. Math., 75, 79-98, 1996.
[6] S. A. Smolyak, Quadrature and interpolation formulas for tensor products of certain classes of func tions, Dokl. Akad. Nauk SSSR, 148, 1042-1043, 1963, Russian, Engl. Transl.: Soviet Math. Dokl. 4: 240-243, 1963.
[7] J. F. Traub, S. Paskov, I. Vanderhoof, Estimation method and system for complex securities using low-discrepancy deterministic sequences, United States Patent US 005940810A, 17. August, 1999.
[8] J. F. Traub, S. Paskov, I. Vanderhoof, A. Papageorgiou, Portfolio structuring using low-discrepancy deterministic sequences, United States Patent US 006058377A, 2. Mai, 2000.
[9] J. Traub, S. Paskov, Faster evaluation of financial derivatives, Journal of Portfolio Management 22, 1, 113-120, 1995.
[2] T. Gerstner and M. Griebel, Numerical integration using sparse grids, Numer. Algorithms, 18: 209- 232, 1998.
[3] R. Korn, Optimal Portfolios, World Scientific, 1997.
[4] H. Niederreiter, Random number generation and Quasi-Monte Carlo methods, SIAM, 1992.
[5] E. Novak, K. Ritter, High dimensional integration of smooth functions over cubes, Numer. Math., 75, 79-98, 1996.
[6] S. A. Smolyak, Quadrature and interpolation formulas for tensor products of certain classes of func tions, Dokl. Akad. Nauk SSSR, 148, 1042-1043, 1963, Russian, Engl. Transl.: Soviet Math. Dokl. 4: 240-243, 1963.
[7] J. F. Traub, S. Paskov, I. Vanderhoof, Estimation method and system for complex securities using low-discrepancy deterministic sequences, United States Patent US 005940810A, 17. August, 1999.
[8] J. F. Traub, S. Paskov, I. Vanderhoof, A. Papageorgiou, Portfolio structuring using low-discrepancy deterministic sequences, United States Patent US 006058377A, 2. Mai, 2000.
[9] J. Traub, S. Paskov, Faster evaluation of financial derivatives, Journal of Portfolio Management 22, 1, 113-120, 1995.
Claims (8)
1. Vorrichtung und Verfahren zur Bewertung von Finanzderivaten, wobei der Wert des Deri
vats durch die Ermittlung eines Erwartungswerts berechnet wird, bei dem
- a) mittels einer Tastatur oder eines anderen Eingabegeräts die Parameter des Derivats eingegeben werden,
- b) mittels eines Computers basierend auf den Eingabeparametern ein Integrand aufge baut wird und ein geeigneter mehrdimensionaler Integrationsbereich bestimmt wird,
- c) mittels eines Computers Integrationspunkte und Integrationsgewichte durch ein Dünn gitter-Verfahren ermittelt werden,
- d) mittels eines Computers der Integrand im Integrationsbereich an den Dünngitter- Integrationspunkten ausgewertet wird,
- e) mittels eines Computers der Erwartungswert durch Kombination der Integrandwerte unter Verwendung der Integrationsgewichte berechnet wird.
- f) mittels eines Bildschirms oder eines anderen Ausgabegeräts der berechnete Wert des Derivats ausgegeben wird.
2. Vorrichtung und Verfahren nach (1), wobei Ein- und Ausgabe über eine analoge oder
digitale Verbindung stattfinden.
3. Vorrichtung und Verfahren nach (1), wobei der Integrationsbereich durch Nullstellensuche
bestimmt wird.
4. Vorrichtung und Verfahren nach (1), wobei die Integrationspunkte sowie Integrationsge
wichte dynamisch während der Berechnung des Integrals ermittelt werden.
5. Vorrichtung und Verfahren nach (1), wobei das Integrationsgebiet in mehrere Teilintegrale
zerlegt wird und mehrere Prozessoren zur Berechnung der Teilintegrale verwendet werden.
6. Vorrichtung und Verfahren nach (1), wobei mehrere Prozessoren zur Berechnung der In
tegrationspunkte, Integrationsgewichte, zur Auswertung des Integranden oder zur Kombi
nation der Integrandwerte herangezogen werden.
7. Vorrichtung und Verfahren nach (1), wobei die Dimension der Integrale zur Beschleunigung
des Verfahrens reduziert werden.
8. Vorrichtung und Verfahren nach (1), wobei zur Bewertung mehrere Erwartungswerte be
rechnet und kombiniert werden.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10062120A DE10062120A1 (de) | 2000-12-13 | 2000-12-13 | Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen Gittern |
US09/994,114 US7536327B2 (en) | 2000-12-13 | 2001-11-26 | Method and device for evaluation of financial derivatives using sparse grids |
EP01128441A EP1215603A3 (de) | 2000-12-13 | 2001-12-05 | Verfahren und Vorrichtung zur Bewertung von finanziellen Derivative unter Verwendung von "sparse grids" |
CA002364920A CA2364920A1 (en) | 2000-12-13 | 2001-12-12 | Method and device for evaluation of financial derivatives using sparse grids |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10062120A DE10062120A1 (de) | 2000-12-13 | 2000-12-13 | Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen Gittern |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10062120A1 true DE10062120A1 (de) | 2002-06-20 |
Family
ID=7667000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10062120A Withdrawn DE10062120A1 (de) | 2000-12-13 | 2000-12-13 | Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen Gittern |
Country Status (4)
Country | Link |
---|---|
US (1) | US7536327B2 (de) |
EP (1) | EP1215603A3 (de) |
CA (1) | CA2364920A1 (de) |
DE (1) | DE10062120A1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010019147A1 (de) | 2010-05-03 | 2011-11-03 | Lfk-Lenkflugkörpersysteme Gmbh | Verfahren und Vorrichtung zur Verfolgung der Bewegungsbahn eines sich bewegenden Objekts sowie Computerprogramm und Datenträger |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10586282B2 (en) | 1996-03-25 | 2020-03-10 | Cfph, Llc | System and method for trading based on tournament-style events |
DE10062120A1 (de) * | 2000-12-13 | 2002-06-20 | Michael Griebel | Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen Gittern |
EP1856590A4 (de) * | 2002-06-18 | 2007-11-21 | Phil Kongtcheu | Verfahren, systeme und computerprogrammprodukte zur ermöglichung des erstellens und handelns mit derivatives-verträgen |
US7493278B2 (en) * | 2002-09-30 | 2009-02-17 | Goldman Sachs & Co. | Method and system for analyzing a capital structure for a company |
US20040093294A1 (en) * | 2002-11-13 | 2004-05-13 | George Trevino | Method and apparatus for providing measures of performance of the value of an asset |
AU2003291570A1 (en) * | 2002-12-30 | 2004-07-29 | Fannie Mae | System and method for creating financial assets |
US20040128228A1 (en) * | 2002-12-30 | 2004-07-01 | Fannie Mae | Servicer compensation system and method |
US20040128235A1 (en) | 2002-12-30 | 2004-07-01 | Fannie Mae | Cash flow aggregation system and method |
US20040128227A1 (en) * | 2002-12-30 | 2004-07-01 | Fannie Mae | Cash flow system and method |
US8353763B2 (en) | 2003-03-31 | 2013-01-15 | Cantor Index, Llc | System and method for betting on a participant in a group of events |
US7653588B2 (en) | 2003-04-24 | 2010-01-26 | Chicago Board Options Exchange, Incorporated | Method and system for providing order routing to a virtual crowd in a hybrid trading system |
US7613650B2 (en) | 2003-04-24 | 2009-11-03 | Chicago Board Options Exchange, Incorporated | Hybrid trading system for concurrently trading securities or derivatives through both electronic and open-outcry trading mechanisms |
US7552083B2 (en) | 2003-04-24 | 2009-06-23 | Chicago Board Options Exchange, Incorporated | Hybrid trading system for concurrently trading through both electronic and open-outcry trading mechanisms |
US7676421B2 (en) | 2003-04-24 | 2010-03-09 | Chicago Board Options Exchange, Incorporated | Method and system for providing an automated auction for internalization and complex orders in a hybrid trading system |
US8346653B2 (en) | 2003-04-24 | 2013-01-01 | Chicago Board Options Exchange, Incorporated | Automated trading system for routing and matching orders |
US7162473B2 (en) * | 2003-06-26 | 2007-01-09 | Microsoft Corporation | Method and system for usage analyzer that determines user accessed sources, indexes data subsets, and associated metadata, processing implicit queries based on potential interest to users |
US7225187B2 (en) | 2003-06-26 | 2007-05-29 | Microsoft Corporation | Systems and methods for performing background queries from content and activity |
US20050010481A1 (en) * | 2003-07-08 | 2005-01-13 | Lutnick Howard W. | Systems and methods for improving the liquidity and distribution network for illiquid items |
US7698184B2 (en) * | 2004-01-16 | 2010-04-13 | Bgc Partners, Inc. | System and method for trading a financial instrument indexed to entertainment revenue |
US7809629B2 (en) | 2005-04-07 | 2010-10-05 | Chicago Board Options Exchange, Incorporated | Market participant issue selection system and method |
US8326716B2 (en) | 2005-05-04 | 2012-12-04 | Chicago Board Options Exchange, Incorporated | Method and system for creating and trading derivative investment products based on a statistical property reflecting the variance of an underlying asset |
US8027904B2 (en) | 2005-05-04 | 2011-09-27 | Chicago Board Options Exchange, Incorporated | Method and system for creating and trading corporate debt security derivative investment instruments |
US8326715B2 (en) | 2005-05-04 | 2012-12-04 | Chicago Board Operations Exchange, Incorporated | Method of creating and trading derivative investment products based on a statistical property reflecting the variance of an underlying asset |
US8489489B2 (en) | 2005-05-05 | 2013-07-16 | Chicago Board Options Exchange, Incorporated | System and method for trading derivatives in penny increments while disseminating quotes for derivatives in nickel/dime increments |
US7627513B2 (en) * | 2005-07-16 | 2009-12-01 | Kolos Sergey P | Method and system for pricing and risk analysis of options |
US7885891B1 (en) | 2006-03-22 | 2011-02-08 | Fannie Mae | Portal tool and method for securitizing excess servicing fees |
US8140425B2 (en) | 2006-11-13 | 2012-03-20 | Chicago Board Options Exchange, Incorporated | Method and system for generating and trading derivative investment instruments based on a volatility arbitrage benchmark index |
US9218720B2 (en) | 2007-04-16 | 2015-12-22 | Cfph, Llc | Box office game |
US8165953B2 (en) | 2007-09-04 | 2012-04-24 | Chicago Board Options Exchange, Incorporated | System and method for creating and trading a derivative investment instrument over a range of index values |
US8249972B2 (en) | 2007-11-09 | 2012-08-21 | Chicago Board Options Exchange, Incorporated | Method and system for creating a volatility benchmark index |
JP5166515B2 (ja) * | 2008-03-28 | 2013-03-21 | 株式会社三菱東京Ufj銀行 | 通貨オプションのプレミアム演算装置、プログラム及び記録媒体 |
US8788381B2 (en) | 2008-10-08 | 2014-07-22 | Chicago Board Options Exchange, Incorporated | System and method for creating and trading a digital derivative investment instrument |
US8458076B1 (en) * | 2009-03-03 | 2013-06-04 | Morgan Stanley | System and method for calibrating a surface that requires smoothness |
US8321322B2 (en) | 2009-09-28 | 2012-11-27 | Chicago Board Options Exchange, Incorporated | Method and system for creating a spot price tracker index |
US20120030137A1 (en) * | 2010-07-30 | 2012-02-02 | Technische Universitat Berlin | Method and device for valuation of a traded commodity |
US8751291B2 (en) * | 2012-01-05 | 2014-06-10 | General Electric Comany | Economic analysis of grid infrastructure |
WO2023215948A1 (en) * | 2022-05-13 | 2023-11-16 | Commonwealth Scientific And Industrial Research Organisation | "efficient numerical monte carlo sensitivity analysis" |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5940810A (en) | 1994-08-04 | 1999-08-17 | The Trustees Of Columbia University In The City Of New York | Estimation method and system for complex securities using low-discrepancy deterministic sequences |
US6058377A (en) | 1994-08-04 | 2000-05-02 | The Trustees Of Columbia University In The City Of New York | Portfolio structuring using low-discrepancy deterministic sequences |
US6061662A (en) * | 1997-08-15 | 2000-05-09 | Options Technology Company, Inc. | Simulation method and system for the valuation of derivative financial instruments |
US6772136B2 (en) * | 1997-08-21 | 2004-08-03 | Elaine Kant | System and method for financial instrument modeling and using Monte Carlo simulation |
JPH11259452A (ja) * | 1998-02-17 | 1999-09-24 | Internatl Business Mach Corp <Ibm> | 高速積分方法及びシステム |
US7392211B2 (en) * | 2000-05-09 | 2008-06-24 | International Business Machines Corporation | Analysis of financial derivatives |
DE10062120A1 (de) * | 2000-12-13 | 2002-06-20 | Michael Griebel | Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen Gittern |
-
2000
- 2000-12-13 DE DE10062120A patent/DE10062120A1/de not_active Withdrawn
-
2001
- 2001-11-26 US US09/994,114 patent/US7536327B2/en active Active
- 2001-12-05 EP EP01128441A patent/EP1215603A3/de not_active Withdrawn
- 2001-12-12 CA CA002364920A patent/CA2364920A1/en not_active Abandoned
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010019147A1 (de) | 2010-05-03 | 2011-11-03 | Lfk-Lenkflugkörpersysteme Gmbh | Verfahren und Vorrichtung zur Verfolgung der Bewegungsbahn eines sich bewegenden Objekts sowie Computerprogramm und Datenträger |
EP2385393A1 (de) | 2010-05-03 | 2011-11-09 | LFK-Lenkflugkörpersysteme GmbH | Verfahren und Vorrichtung zur Verfolgung der Bewegungsbahn eines sich bewegenden Objekts sowie Computerprogramm und Datenträger |
US9081091B2 (en) | 2010-05-03 | 2015-07-14 | Lfk-Lenkflugkoerpersysteme Gmbh | Method and device for tracking the path of motion of a moving object as well as computer program and data storage media |
Also Published As
Publication number | Publication date |
---|---|
EP1215603A2 (de) | 2002-06-19 |
US7536327B2 (en) | 2009-05-19 |
US20020103738A1 (en) | 2002-08-01 |
CA2364920A1 (en) | 2002-06-13 |
EP1215603A3 (de) | 2003-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE10062120A1 (de) | Vorrichtung und Verfahren zur Bewertung von Finanzderivaten mit Hilfe von dünnen Gittern | |
DE69832068T2 (de) | Verfahren und apparat zum generieren von kenngrössen | |
Lussange et al. | Modelling stock markets by multi-agent reinforcement learning | |
Errais et al. | Affine point processes and portfolio credit risk | |
US11593886B1 (en) | Methods and systems to quantify and index correlation risk in financial markets and risk management contracts thereon | |
DE112009001696T5 (de) | Vorrichtung für energieeffiziente Schätzung eines Ertrags eines Finanzprodukte | |
Rohrbach et al. | Momentum and trend following trading strategies for currencies revisited-combining academia and industry | |
DE10394036T5 (de) | System und Verfahren zum Ausführen einer Risikoanalyse | |
Gu et al. | Quantifying bid-ask spreads in the Chinese stock market using limit-order book data: Intraday pattern, probability distribution, long memory, and multifractal nature | |
Hou et al. | A robust Markowitz mean-variance portfolio selection model with an intractable claim | |
Feng et al. | Applications of central limit theorems for equity-linked insurance | |
Ismoilovich | The mechanism of evaluation of innovative investment processes effectiveness in the service sector | |
DE202016009077U1 (de) | Segmentierung und Schichtung von Composite-Portfolios von Anlagepapieren | |
Dar et al. | Stock price prediction using a Markov chain Model: a study for TCS Share Values | |
Sugitomo et al. | Fundamental factor models using machine learning | |
Olbrys et al. | On some characteristics of liquidity proxy time series. Evidence from the Polish stock market | |
Focardi et al. | Risk management: Framework, methods, and practice | |
Asikin et al. | Does audit quality, managerial reports, audit committee affect financial report quality? Case of companies listed on Jakarta Islamic Index (JII) 2018-2020 | |
RU2281556C1 (ru) | Система и способ контроля управления портфелями финансовых инструментов с фиксированной доходностью | |
Qiu | Estimation of tail risk measures in finance: Approaches to extreme value mixture modeling | |
EP1816598A1 (de) | Datenverarbeitungsverfahren zur automatischen Bereitstellung von Daten und Datenverarbeitungsvorrichtung | |
Lussange et al. | Stock price formation: useful insights from a multi-agent reinforcement learning model | |
Ihedioha et al. | Optimal investment strategy for an investor with Ornstein-Uhlenbeck and constant elasticity of variance (CEV) models under correlating and non-correlating Brownian motion | |
Chvátalová et al. | Computational finance and finance economics with maple | |
Latunde et al. | On the stochastic optimal control model of the investments of defined contribution (dc) pension funds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8139 | Disposal/non-payment of the annual fee |