[3-5]수치 계산법 입문(Introduction to Numerical Methods)
3-5. 수치 계산법(Numerical Methods) 입문
3-5-1. Monte Carlo Method
금융계에서 가장 많이 쓰이는 numerical method는 Monte Carlo method와 finite-difference method가 있다.
옵션 contract과 모델이 둘다 매우 단순하지 않은 이상, closed-form 해를 구하는 것은 드물다.
따라서, numerical techniques가 쓰인다.
먼저, 옵션의 fair value는 기초자산의 risk-neutral random walk 하에서 만기의 expected payoff의 present value이다.
S에 대한 risk-neutral random walk는,
이다. 이 의미는, stock growth rate가 r이라는 게 아니라, 옵션 가격 평가에 drift는 무관하므로 r로 둬도 상관없다는 뜻이다.
Option payoff는 expected payoff의 present value이다.
3-5-1-1. Monte Carlo 알고리즘
Monte Carlo 시뮬레이션의 단계는 아래와 같다.
1) 오늘의 자산 가격 S0부터 시작하여 required time horizon 까지의 risk-neutral random walk를 simulate한다.
2) 이 realization에 대한 option payoff를 구한다.
3) 위의 1, 2단계를 반복한다.
4) 모든 realization 에 대한 평균 payoff를 구한다.
5) 4단계의 average의 present value를 구하면 이것이 option value이다.
시뮬레이션의 방법에는 두 가지가 있다.
A) 만일 asset path의 SDE가 integrable 이고 contract가 path dependent하지 않다면, one giant leap로 시뮬레이션할 수 있다.
B) 아니라면 time step마다 시뮬레이션 한다. 이 방법은 Euler method라고 한다.
컴퓨팅 속도의 문제도 있기 때문에, NORMSINV함수를 사용할 수도 있지만, 더 빠르게 정규분포를 근사하려면,
위와 같이 하면 되며, ψi는 0에서 1사이의 uniform distribution을 가진 랜덤 변수이며 RAND할수로 만들 수 있다.
왜 12로 놓는가하면, ψi의 표준 편차가 1/12이기 때문이다.
실제로 ψi로 N(0,1)을 근사하려면, sqrt(12/n) * [Σni=1 RAND() - n/2]가 정확한 식이며, 12로 놓으면 sqrt(12/n)이 1이 되며 위의 식이 된다.
물론 더 정확한 근사를 위해서는 n값을 12보다 크게 잡아도 무방하다.
3-5-1-2. 정확도와 컴퓨팅 속도
시뮬레이션의 에러는 다음 두 가지에서 발생한다.
가) 방법 A의 경우, continous 이벤트를 discretizing하는 과정에서 O(δt)의 에러가 발생한다.
나) 실제로 infinite한 possible path 중 finite한 숫자의 path만 시뮬레이션하므로, O(N-1/2)의 에러가 발생한다.
ε를 우리의 MC 계산에서 원하는 정확도라고 하자.
그러면 δt = O(ε)이고 N = O(ε-2) 이다.
즉, 1% 이하의 에러를 원하여 ε = 0.01로 두면, time step은 1/100로, simulation은 10,000번 해야한다.
따라서 총 필요한 시간은 O(ε-3)이다. 다시 말해 에러를 반으로 줄이려면 8배의 시간이 필요하다.
만일 D개의 기초자산을 가진 옵션을 하려면 걸리는 시간은 O(Dε-3)이다.
3-5-1-3. Monte Carlo 장단점
장점
1) Monte Carlo에 들어가는 수학은 매우 간단하다.
2) Correlation은 쉽게 모델될 수 있고, 여러 기초자산을 갖는 high-dimensional contract들의 pricing이 쉽다.
3) High-dimension에서 computationally efficient하다. Dimension과 드는 시간이 비례하기 때문이다.
4) 이미 MC를 구현한 많은 소프트웨어를 쉽게 찾을 수 있다.
5) 정확도를 높이기 위해서는 단순히 시뮬레이션을 더 하면 된다.
단점
1) 매우 느리다.
2) Greek 찾는게 힘들다.
3) Early exercise 등의 decision making이 필요한 상황에서 사용되기 힘들다.
3-5-2. Finite Difference Methods
Binomial tree method와 비슷하면서, 특정한 경우에 더 적합한 모델이다.
Binomial과 다르게 그냥 사각 grid로 표시되며, 동일한 time step과 동일한 S step을 가진다.
S = iδS 이고, t = T - kδt 이다. (여기서 0 ≤ i ≤ I 이고 0 ≤ k ≤ K)
즉, t는 expiry time에서 역순으로 매겨진다.
우리는 asset value 0에서 asset value IδS까지를 계산할 것이다.
블랙숄즈 방정식은 0 ≤ S ≤ ∞ 에 대해 계산될 것이므로 IδS는 무한대에 대한 근사값이다.
각 grid point들의 옵션 value를 아래와 같이 표기한다.
즉, 위첨자는 time variable이고, 아래첨자는 asset variable이다.
3-5-2-1. Theta Approximation
25p
Number | Title | Author | Date | Votes | Views |
Notice |
[공지]금융 공학 정보 게시판의 운영에 관하여
Irealist
|
2016.04.21
|
Votes 0
|
Views 1309
|
Irealist | 2016.04.21 | 0 | 1309 |
20 |
[3-6]변형 옵션(Exotic Options)
Irealist
|
2016.05.13
|
Votes 0
|
Views 892
|
Irealist | 2016.05.13 | 0 | 892 |
19 |
[3-5]수치 계산법 입문(Introduction to Numerical Methods)
Irealist
|
2016.05.09
|
Votes 0
|
Views 1243
|
Irealist | 2016.05.09 | 0 | 1243 |
18 |
[3-4]변동성의 이해(미완)
Irealist
|
2016.05.09
|
Votes 0
|
Views 1663
|
Irealist | 2016.05.09 | 0 | 1663 |
17 |
[3-3]옵션 가치 계산 모델(미완성)
Irealist
|
2016.05.07
|
Votes 0
|
Views 591
|
Irealist | 2016.05.07 | 0 | 591 |
16 |
[3-2]블랙 숄즈와 마틴게일
Irealist
|
2016.05.05
|
Votes 0
|
Views 2161
|
Irealist | 2016.05.05 | 0 | 2161 |
15 |
[3-1]블랙 숄즈 모델(Black-Scholes Model)
Irealist
|
2016.05.04
|
Votes 0
|
Views 3867
|
Irealist | 2016.05.04 | 0 | 3867 |
14 |
[2-6]변동성 모델: ARCH Framework
Irealist
|
2016.05.03
|
Votes 0
|
Views 865
|
Irealist | 2016.05.03 | 0 | 865 |
13 |
[2-5]자산 수익률의 실증적 패턴
Irealist
|
2016.05.02
|
Votes 0
|
Views 904
|
Irealist | 2016.05.02 | 0 | 904 |
12 |
[2-4]마켓 리스크 측정 방법
Irealist
|
2016.05.01
|
Votes 0
|
Views 2287
|
Irealist | 2016.05.01 | 0 | 2287 |
11 |
[2-3]리스크 규제와 Basel III
Irealist
|
2016.04.30
|
Votes 0
|
Views 1201
|
Irealist | 2016.04.30 | 0 | 1201 |
10 |
[2-2]최적화(Optimization) 기초와 포트폴리오 선택
Irealist
|
2016.04.27
|
Votes 0
|
Views 5425
|
Irealist | 2016.04.27 | 0 | 5425 |
9 |
[2-1]현대 포트폴리오 이론(Modern Portfolio Theory) 입문
Irealist
|
2016.04.27
|
Votes 0
|
Views 3132
|
Irealist | 2016.04.27 | 0 | 3132 |
8 |
[1-8]확률 미적분학(Stochastic Calculus)과 마틴게일(Martingales)
Irealist
|
2016.04.26
|
Votes 0
|
Views 5160
|
Irealist | 2016.04.26 | 0 | 5160 |
7 |
[1-7]확률 미적분학(Stochastic Calculus)과 확률(Probability)
Irealist
|
2016.04.25
|
Votes 0
|
Views 3507
|
Irealist | 2016.04.25 | 0 | 3507 |
6 |
[1-6]이항 모델(Binomial Model)
Irealist
|
2016.04.23
|
Votes 0
|
Views 1649
|
Irealist | 2016.04.23 | 0 | 1649 |