MétaCan
Menu
Retour à la cohorte
Enregistrement W1586725636 · doi:10.1016/s0196-3821(06)23006-5

Upper Bounds for American Options

2006· book-chapter· en· W1586725636 sur OpenAlexaff
Mo Chaudhury

Notice bibliographique

RevueResearch in finance · 2006
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésUpper and lower boundsMathematical economicsPut optionArbitrageNonparametric statisticsCall optionMathematicsEconometricsValuation of optionsMaturity (psychological)EconomicsFinancial economics

Résumé

récupéré en direct d'OpenAlex

This paper provides a fuller characterization of the analytical upper bounds for American options than has been available to date. We establish properties required of analytical upper bounds without any direct reliance on the exercise boundary. A class of generalized European claims on the same underlying asset is then proposed as upper bounds. This set contains the existing closed form bounds of Margrabe, (1978) and Chen and Yeh (2002) as special cases and allows randomization of the maturity payoff. Owing to the European nature of the bounds, across-strike arbitrage conditions on option prices seem to carry over to the bounds. Among other things, European option spreads may be viewed as ratio positions on the early exercise option. To tighten the upper bound, we propose a quasi-bound that holds as an upper bound for most situations of interest and seems to offer considerable improvement over the currently available closed form bounds. As an approximation, the discounted value of Chen and Yeh's (2002) bound holds some promise. We also discuss implications for parametric and nonparametric empirical option pricing. Sample option quotes for the European (XEO) and the American (OEX) options on the S&P 100 Index appear well behaved with respect to the upper bound properties but the bid–ask spreads are too wide to permit a synthetic short position in the early exercise option.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,003
Communication savante0,0060,007
Science ouverte0,0020,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,116
Tête enseignante GPT0,339
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in financeMême sujetStochastic processes and financial applicationsTravaux en français237 207