Asymptotic representation in stochastic volatility models

Cover Page

Cite item

Full Text

Abstract

This work is devoted to the study of the asymptotic behavior of the probability density function of stock prices within models with stochastic volatility. The main focus is on generalizing previously known results for the one-factor Heston model to more complex cases, including multivariate models. The research methodology is based on the use of affine principles, which allow analyzing the necessary aspects of asymptotics through solving corresponding Riccati equations near the critical point. The application of high-order Euler estimates ensures accuracy in calculations and robustness of conclusions. Additionally, the method of steepest descent combined with Tauber's principle is used, providing an opportunity to extract precise data about the asymptote of the original function from the analysis of its transformation near the critical point. This allows a deeper understanding of the structure of probability density functions in the context of complex stochastic systems. The obtained results are important for the development of the theory of stochastic differential equations and can find applications in various fields such as financial mathematics and econometrics.

About the authors

Kristina Vladimirovna Buslova

Lomonosov Moscow State University

Email: buslova.kristina@mail.ru
Moscow

References

  1. BRU M. Wishart processes // Journal of TheoreticalProbability. – 1991. – Vol. 4. – P. 725–743.
  2. CARR P., MADAN D.B. Option valuation using the fastFourier transform // Journal of Computational Finance. –1999. – Vol. 2, No. 4.
  3. CARR P., WU L. Stochastic Skew in Currency Options //Preprint, 2004.
  4. CONT R., DA FONSECA J. Dynamics of implied volatilitysurfaces // Quantitative Finance. – 2002. – Vol. 2, No. 1. –P. 45–60.
  5. DA FONSECA J., GRASSELLI M., TEBALDI C.A multifactor volatility Heston model // Quantitative Finance. –2008. – Vol. 8, No. 6. – P. 591–604.
  6. DAI Q., SINGLETON K. Specification Analysis of Affine TermStructure Models // Journal of Finance. – 2000. – Vol. 55. –P. 1943–1978.
  7. DUFFIE D., KAN R. A Yield-Factor Model of Interest Rates //Mathematical Finance. – 1996. – Vol. 6(4). – P. 379–406.
  8. DUFFIE D., PAN J., SINGLETON K. Transform analysisand asset pricing for affine jump-diffusions // Econometrica. –2000. – Vol. 68. – P. 1343–1376.
  9. FLAJOLET P., GOURDON X., DUMAS P. Mellin transformsand asymptotics: Harmonic sums // Theoretical ComputerScience. – 1995. – Vol. 144. – P. 3–58.
  10. FREILING G. A Survey of Nonsymmetric Riccati Equations //Linear Algebra and Its Applications. – 2002. – P. 243–270.
  11. FRIZ P., GERHOLD S., GULISASHVILI A. et al. On refinedvolatility smile expansion in the Heston model // QuantitativeFinance. – 2011. – Vol. 11. – P. 1151–1164.
  12. GOURIEROUX C., SUFANA R. Derivative Pricing withMultivariate Stochastic Volatility: Application to Credit Risk //Working paper. – CREST, 2004.
  13. GRASSELLI M., TEBALDI C. Solvable Affine Term StructureModels // Mathematical Finance. – 2004.
  14. GULISASHVILI A. Analytically Tractable Stochastic StockPrice Models // Springer Finance. – 2012. – P. 167–184.
  15. GULISASHVILI A., STEIN E.M. Asymptotic behavior ofthe stock price distribution density and impied volatilityin stochastic volatility models // Applied Mathematics andOptimization. – 2010. – Vol. 61. – P. 287–315.
  16. HESTON S. A Closed-Form Solution for Option with StochasticVolatility with Applications to Bond and Currency Options //Review of Financial Studies. – 1993. – Vol. 6. – P. 327–343.
  17. HORN R.A., JOHNSON C.R. Matrix analysis. – Cambridge,1990. – P. 464–469.
  18. LEWIS A.L. Option Valuation Under Stochastic Volatility. –Finance Press, 2000.
  19. LUCIC V. On singularities in the Heston models // LargeDeviations and Asymptotic Methods in Finance, 2007. –P. 439–448.
  20. WONG G. Forward Smile and Derivative Pricing // EquityQuantitative. Strategists Working Paper, UBS, 2004.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».