MétaCan
Menu
Retour à la cohorte
Enregistrement W2074374447 · doi:10.1108/03074351011039436

Vulnerable American options

2010· article· en· W2074374447 sur OpenAlexaff
Peter G. Klein, Jun Yang

Notice bibliographique

RevueManagerial Finance · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésActuarial scienceExotic optionValuation (finance)Asian optionAsset (computer security)EconomicsCall optionBinary optionBankruptcyValuation of optionsStochastic gameCredit riskValue (mathematics)Financial economicsMicroeconomicsComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to extend the models of Johnson and Stulz, Klein and Klein and lnglis to analyse the properties of vulnerable American options. Design/methodology/approach The presented model allows default prior to the maturity of the option based on a barrier which is linked to the payoff on the option. Various measures of risk denoted by the standard Greek letters are studied, as well as additional measures that arise because of the vulnerability. Findings The paper finds that the delta of a vulnerable American put does not always increase with the price of the underlying asset, and may be significantly smaller than that of a non‐vulnerable put. Because of deadweight costs associated with bankruptcy, delta and gamma are undefined for some values of the underlying asset. Rho may be considerably higher while vega may be smaller than for non‐vulnerable options. Also, the probability of early exercise for vulnerable American options is higher and the price of the underlying asset at which this is optimal depends on the degree of credit risk of the option writer. Originality/value This paper makes a contribution to understanding the effect of credit risk on option valuation.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,012
Tête enseignante GPT0,208
Écart entre enseignants0,196 · 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

Citations25
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagerial FinanceMême sujetCapital Investment and Risk AnalysisTravaux en français237 207