Suche   SiteMap
Home
A bis Z
BIB-KAT
Andere Bibliothekskataloge
Digitale Medien
Dokumentlieferung
Fachspezifische Informationen
Suchhilfen und Datenbanken
 
Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:hbz:385-11218
URL: http://ubt.opus.hbz-nrw.de/volltexte/2018/1121/


Applications of the Adjoint Method in Stochastic Financial Modelling

Die Anwendung der adjungierten Methode bei stochastischen Finanzmarktmodellen

Groß, Bastian Peter

pdf-Format:
Dokument 1.pdf (1.513 KB) (Dissertation)

Bookmark bei Connotea Bookmark bei del.icio.us
SWD-Schlagwörter: Monte-Carlo-Simulation , Adjungierte Differentialgleichung , Stochastischer Prozess , Stochastische optimale Kontrolle , Optionspreis , Prädiktor-Kor
Freie Schlagwörter (Deutsch): Monte-Carlo-Simulation , Adjungierte Differentialgleichung , Stochastischer Prozess , Stochastische optimale Kontrolle , Optionspreis
Freie Schlagwörter (Englisch): Calibration, Monte-Carlo Methods, stochastic Predictor-Corrector-Scheme, Adjoint Method
MSC - Klassifikation: 91G80 , 93E24 , 65C05 , 47N10 , 91G60
Institut: Mathematik
Fakultät: Fachbereich 4
DDC-Sachgruppe: Mathematik
Dokumentart: Dissertation
Hauptberichter: Sachs, Ekkehard (Prof. Dr.)
Sprache: Englisch
Tag der mündlichen Prüfung: 15.05.2015
Erstellungsjahr: 2015
Publikationsdatum: 09.02.2018
Kurzfassung auf Deutsch: Die Bestimmung des fairen Preises eines Finanzkontraktes ist im Angesicht einerseits des wachsenden Marktes, andererseits der zunehmenden Komplexität von exotischen Optionen ein wesentlicher Bestandteil der Finanzmathematik. Der faire Preis ist maßgeblich von der Auszahlfunktion, die durch den Finanzkontrakt vorgegeben ist, und dem Finanzmarktmodell des Basiswertes, das von den Marktteilnehmern bestimmt wird, abhängig. Diese Arbeit beschäftigt sich damit, das Finanzmarktmodell, das die Bewegungen des Marktes widerspiegelt, so zu bestimmen, dass es zu beobachteten Marktpreisen passt. Diesen Vorgang, der mathematisch zu einem kleinsten Quadrate Problem führt, nennt man Kalibrierung.
In dieser Arbeit werden stochastische Finanzmarktmodelle, wie das einflussreiche Black-Scholes Modell oder das Heston Modell, betrachtet. Dabei spielt die Monte-Carlo Methode eine wichtige Rolle, bei der die Ausgänge einer Vielzahl von Simulationen, den sogenannten Monte-Carlo Simulationen, gemittelt werden. Diese Methode hat einen hohen Rechenaufwand und kann eine große Menge an Speicherplatz verbrauchen. Daher ist der erste Ansatz dieser Dissertationsschrift, genau diesen Rechenaufwand zunächst durch verbesserte Simulationsmethoden, den sogenannten stochastischen Prädiktor-Korrektor Verfahren, zu verringern. Die numerischen Ergebnisse dieser Arbeit bestätigen diese Verbesserung.rn rnNeben dem Aufwand der Monte-Carlo Simulationen ist bei einer Gradienten-basierenden Kalibrierung vor allem die Berechnung des Gradienten bezüglich der zu bestimmenden Parameter bei der herkömmlichen Finiten-Differenzen Methode von hoher Komplexität, insbesondere, wenn die Anzahl der Parameter des Finanzmarktmodells hoch ist. Um diesen hohen Rechenaufwand zu umgehen, wird in dieser Arbeit die adjungierten Methode zur Berechnung des Gradienten verwendet. Zunächst wird diese adjungierten Methode im Allgemeinen vorgestellt und deren Anwendbarkeit auf das konkrete Kalibrierungsproblem des stochastischen Finanzmarktmodells gezeigt. Danach wird deren Implementierung ausgearbeitet und die numerischen Ergebnisse diskutiert. Dabei stellt sich heraus, dass die Kombination aus verbesserten Simulationsmethoden und der adjungierten Methode zu einer starken Verringerung des Rechenaufwands und des Speicherplatzverbrauchs führt. Damit hat sich die Rechenzeit der Kalibrierung deutlich reduziert.rn rnBei der adjungierten Methode wird auch eine adjungierte stochastische Differentialgleichung berechnet. Diese Dissertation befasst sich auch mit dem Zusammenhang dieser adjungierten diskretisierten Gleichung zu der Lösung der rückwärtsstochastischen Differentialgleichungen, die aus der stochastischen Kontrolltheorie herrühren. Dabei stellt sich heraus, dass beide Ansätze im diskretisierten Fall zu demselben Ergebnis führen. Mit der Zusammenführung des adjungierten Ansatzes und der stochastischen Kontrolltheorie schließt diese Arbeit.
Kurzfassung auf Englisch: This thesis is divided into three main parts: The description of the calibration problem, the numerical solution of this problem and the connection to optimal stochastic control problems. Fitting model prices to given market prices leads to an abstract least squares formulation as calibration problem. The corresponding option price can be computed by solving a stochastic differential equation via the Monte-Carlo method which seems to be preferred by most practitioners. Due to the fact that the Monte-Carlo method is expensive in terms of computational effort and requires memory, more sophisticated stochastic predictor-corrector schemes are established in this thesis. The numerical advantage of these predictor-corrector schemes ispresented and discussed.
The adjoint method is applied to the calibration. The theoretical advantage of the adjoint method is discussed in detail. It is shown that the computational effort of gradient calculation via the adjoint method is independent of the number of calibration parameters. Numerical results confirm the theoretical results and summarize the computational advantage of the adjoint method. Furthermore, provides the connection to optimal stochastic control problems is proven in this thesis.rn

Home | Suchen | Veröffentlichen | Hilfe | Viewer