Global ETD Search

1	重設型選擇權評價效率之加速方法－分解結合法張龍福 Unknown Date (has links) 選擇權的評價方式，一般可分封閉解（Closed-Form Solution）與數值方法（Numerical Method）兩大類。封閉解如Black-Sholes公式，其計算速度快，但缺乏彈性，例如無法評價美式選擇權及大部分的新奇選擇權；相反的，數值方法則是相當具有彈性，但卻會比較耗時。本文結合數值方法中的樹網模型，再輔以封閉解維持應有的彈性，加快計算速度，吾人將此方法稱之為分解結合法。 Ritchken（1995）的三元樹模型在評價重設型選擇權時，能解決由重設界限所導致非線性誤差之問題，故本文以Ritchken的三元樹模型結合歐式或美式公式解成為分解結合法，對多種的歐式以及美式重設型選擇權進行評價。本文首先，針對單期單價式與整段期間單價式的重設型選擇權，來推導適用於分解結合法之方法。再以這兩種基本的重設型選擇權為基礎，將相同概念推廣至其他更複雜的歐式重設型選擇權以及美式的重設型選擇權，並且將分解結合法和單純Ritchken三元樹網模型在評價重設型選擇權的效率，做一詳細的比較。本文的結果顯示，無論是評價何種歐式或是美式的重設型選擇權，利用分解結合法不但能夠提高計算的速度，同時在某些條件下的選擇權，還能增加評價的正確性。重設型選擇權三元樹模型界限選擇權認購權證分解結合法
2	增進樹狀模型評價重設型選擇權效率之方法王志原, Wang, Chih-Yuan Unknown Date (has links) 傳統上，對於選擇權的評價模型，大抵可分為封閉解與數值分析兩大類。封閉解計算的速度快，但卻十分缺乏彈性，譬如無法求得美式解，相反的數值分析相當具有彈性，評價時卻比較耗時，譬如障礙選擇權。本文針對上面的問題，提出一個以數值分析中的樹狀模型為基礎，輔以封閉解來維持應有的彈性，並提高計算的速度，我們將此方法稱之為分解結合法。由於樹狀模型用來評價重設型選擇權必須考慮消除重設界限所導致的非線性誤差，在本文中，主要是以Boyle and Lau(1994)的二元樹模型及Ritchken(1995)的三元樹模型作為主要的架構，搭配分解結合法來針對重設型選擇權進行研究。就本文分析的結果顯示，利用分解結合法不但能夠提高計算的速度，同時對於某些條件下的選擇權，還能夠減少其評價的波動度，效果相當的顯著。本文主要針對單點單價式與整段時間單價式的重設型選擇權，推導適用分解結合法的方法。以此兩種基本的重設型選擇權為基礎，我們將相同的概念推廣至其他更複雜的重設型選擇權上。此外在選取結合的方式上，我們也可以充分利用已經推導出的重設型選擇權封閉解，應用在更複雜的重設條件上，無形中，增加了封閉解的應用彈性，也減少了樹狀模型的評價時間，所以具有一舉兩得的效果。此外，本文也針對分解結合法的評價速度，作一完整的比較。並在最後，本文也針對分解結合法下避險比率的計算以及重設型選擇權避險所特有的現象：Delta Jump、Negative Delta，這兩種情形發生的原因及可能的影響與因應之道進行分析。二元樹三元樹樹狀模型重設型選擇權分解結合法 reset option barrier option tree model binomial tree trinomial tree option

Search results

重設型選擇權評價效率之加速方法－分解結合法

增進樹狀模型評價重設型選擇權效率之方法