Bridge Copula Model for Option Pricing
Auteurs : Giuseppe Campolieti, Roman N. Makarov, Andrey Vasiliev
Résumé : In this paper we present a new multi-asset pricing model, which is built upon newly developed families of solvable multi-parameter single-asset diffusions with a nonlinear smile-shaped volatility and an affine drift. Our multi-asset pricing model arises by employing copula methods. In particular, all discounted single-asset price processes are modeled as martingale diffusions under a risk-neutral measure. The price processes are so-called UOU diffusions and they are each generated by combining a variable (Ito) transformation with a measure change performed on an underlying Ornstein-Uhlenbeck (Gaussian) process. Consequently, we exploit the use of a normal bridge copula for coupling the single-asset dynamics while reducing the distribution of the multi-asset price process to a multivariate normal distribution. Such an approach allows us to simulate multidimensional price paths in a precise and fast manner and hence to price path-dependent financial derivatives such as Asian-style and Bermudan options using the Monte Carlo method. We also demonstrate how to successfully calibrate our multi-asset pricing model by fitting respective equity option and asset market prices to the single-asset models and their return correlations (i.e. the copula function) using the least-square and maximum-likelihood estimation methods.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.