Методы конечных разностей для ценообразование опционов - это численные методы, используемые в математических финансах для оценки опционов. Методы конечных разностей впервые были применены к ценообразование опционов Эдуардо Шварц в 1977 году.
В общем, методы конечных разностей используются для определения цены опционов путем аппроксимации (непрерывного времени) дифференциального уравнения, который описывает, как цена опциона изменяется с течением времени, посредством набора (дискретного времени) разностных уравнений. Затем дискретные разностные уравнения могут быть решены итеративно для расчета цены опциона. Этот подход возникает из-за того, что эволюция стоимости опциона может быть смоделирована с помощью уравнения в частных производных (PDE) как функция (по крайней мере) времени и цены базового актива; см., например, PDE Блэка – Шоулза. Находясь в этой форме, можно вывести модель конечных разностей и получить оценку.
Этот подход может быть использован для решения производных задач ценообразования, которые в целом имеют такой же уровень сложности, как и проблемы, решаемые с помощью подходы к дереву.
Как указано выше, PDE выражается в дискретном форма с использованием конечных разностей, а затем моделируется эволюция цены опциона с помощью решетки с соответствующими измерениями : время идет от 0 до погашения; и цена колеблется от 0 до «высокого» значения, так что опцион сильно в деньгах или вне денег. Затем опцион оценивается следующим образом:
Как указано выше, эти методы позволяют решать производные задачи ценообразования, которые в целом имеют такой же уровень сложности, как и проблемы, решаемые с помощью древовидных подходов, но, учитывая их относительную сложность, обычно применяется только тогда, когда другие подходы неуместны; пример здесь, изменение процентных ставок и / или привязка ко времени дивидендная политика. В то же время, как и древовидные методы, этот подход ограничен количеством базовых переменных, а для задач с множественными измерениями методы Монте-Карло для ценообразования опционов являются обычно предпочтительнее. Обратите внимание, что, когда применяются стандартные предположения, явный метод охватывает методы биномиального- и трехчленного дерева. Таким образом, методы на основе дерева, соответствующим образом параметризованные, являются частным случаем явного метода конечных разностей.