驱动伽玛过程的随机微分方程转移密度的渐近展开
摘要：用Li (2013b)和Li和Chen (2016)开发的渐近展开方法为由伽玛过程驱动的随机微分方程（SDEs）的转移密度提出了一种Taylor型逼近方法。将转移密度表示为作用在相关SDE解上的Dirac delta函数的条件期望后，介绍了计算在伽玛过程条件下多个随机积分的期望的关键技术方法。为了对我们的方法的效率进行数值测试，我们检查了纯跳跃Ornstein-Uhlenbeck（OU）模型及其扩展的两个跳跃扩散模型。对于每个模型，我们的逼近转移密度与通过特征函数的逆Fourier变换获得的基准密度之间的最大相对误差足够小，表明了我们逼近方法的效率。
作者：Fan Jiang, Xin Zang, Jingping Yang
论文ID：2003.06218
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2020-03-16