Evaluación de Máxima Entropía del Error de Cobertura Asintótica bajo un Modelo de Salto-Difusión Generalizado
Autores: Fard, Farzad Alavi; Tchatoka, Firmin Doko; Sriananthakumar, Sivagowry
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
Categoría
Gestión y administración
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
En este artículo proponemos un estimador de máxima entropía para la distribución asintótica del error de cobertura para opciones. La replicación perfecta de derivados financieros no es posible, debido a la incompletitud del mercado y la cobertura en tiempo discreto. Derivamos el error de cobertura asintótico para opciones bajo un modelo de salto-difusión generalizado con sesgo de núcleo, que incluye una serie de procesos muy importantes en finanzas. Luego obtenemos una estimación para la distribución del error de cobertura maximizando la entropía de Shannon sujeta a un conjunto de restricciones de momento, lo que a su vez proporciona el valor en riesgo y la pérdida esperada del error de cobertura. La importancia de este enfoque radica en el hecho de que el estimador de máxima entropía nos permite obtener una estimación consistente de la distribución asintótica del error de cobertura, a pesar de la no normalidad de la distribución subyacente de los rendimientos.
Descripción
En este artículo proponemos un estimador de máxima entropía para la distribución asintótica del error de cobertura para opciones. La replicación perfecta de derivados financieros no es posible, debido a la incompletitud del mercado y la cobertura en tiempo discreto. Derivamos el error de cobertura asintótico para opciones bajo un modelo de salto-difusión generalizado con sesgo de núcleo, que incluye una serie de procesos muy importantes en finanzas. Luego obtenemos una estimación para la distribución del error de cobertura maximizando la entropía de Shannon sujeta a un conjunto de restricciones de momento, lo que a su vez proporciona el valor en riesgo y la pérdida esperada del error de cobertura. La importancia de este enfoque radica en el hecho de que el estimador de máxima entropía nos permite obtener una estimación consistente de la distribución asintótica del error de cobertura, a pesar de la no normalidad de la distribución subyacente de los rendimientos.