Pricing European Options under Stochastic Volatility Models: Case of Five-Parameter Variance-Gamma Process
Notice bibliographique
Résumé
The paper builds a Variance-Gamma (VG) model with five parameters: location (μ), symmetry (δ), volatility (σ), shape (α), and scale (θ); and studies its application to the pricing of European options. The results of our analysis show that the five-parameter VG model is a stochastic volatility model with a Γ(α,θ) Ornstein–Uhlenbeck type process; the associated Lévy density of the VG model is a KoBoL family of order ν=0, intensity α, and steepness parameters δσ2−δ2σ4+2θσ2 and δσ2+δ2σ4+2θσ2; and the VG process converges asymptotically in distribution to a Lévy process driven by a normal distribution with mean (μ+αθδ) and variance α(θ2δ2+σ2θ). The data used for empirical analysis were obtained by fitting the five-parameter Variance-Gamma (VG) model to the underlying distribution of the daily SPY ETF data. Regarding the application of the five-parameter VG model, the twelve-point rule Composite Newton–Cotes Quadrature and Fractional Fast Fourier (FRFT) algorithms were implemented to compute the European option price. Compared to the Black–Scholes (BS) model, empirical evidence shows that the VG option price is underpriced for out-of-the-money (OTM) options and overpriced for in-the-money (ITM) options. Both models produce almost the same option pricing results for deep out-of-the-money (OTM) and deep-in-the-money (ITM) options.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».