增進樹狀模型評價重設型選擇權效率之方法
傳統上，對於選擇權的評價模型，大抵可分為封閉解與數值分析兩大類。封閉解計算的速度快，但卻十分缺乏彈性，譬如無法求得美式解，相反的數值分析相當具有彈性，評價時卻比較耗時，譬如障礙選擇權。本文針對上面的問題，提出一個以數值分析中的樹狀模型為基礎，輔以封閉解來維持應有的彈性，並提高計算的速度，我們將此方法稱之為分解結合法。 由於樹狀模型用來評價重設型選擇權必須考慮消除重設界限所導致的非線性誤差，在本文中，主要是以Boyle and Lau(1994)的二元樹模型及Ritchken(1995)的三元樹模型作為主要的架構，搭配分解結合法來針對重設型選擇權進行研究。就本文分析的結果顯示，利用分解結合法不但...
| Main Authors: | , |
|---|---|
| Language: | 中文 |
| Published: |
國立政治大學
|
| Subjects: | |
| Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22A2002002081%22. |