Hedging and Pricing European-type, Early-Exercise and Discrete Barrier Options using Algorithm for the Convolution of Legendre Series

तकनीकी सारांश: लेजेंड्रे श्रृंखलाओं के अभिसरण (Convolution) के लिए एक एल्गोरिदम का उपयोग करके यूरोपीय-प्रकार, प्रारंभिक-अभ्यास और असतत बाधा (Discrete Barrier) विकल्पों की हेजिंग और मूल्य निर्धारण

समस्या विवरण
यह शोध पत्र सामान्य लेवी प्रक्रियाओं (Lévy processes) के तहत विभिन्न प्रकार के वित्तीय डेरिवेटिव्स—जिसमें यूरोपीय, प्रारंभिक-अभ्यास (अमेरिकन/बर्मडन) और असतत-निगरानी वाले बाधा विकल्प शामिल हैं—के मूल्य निर्धारण और हेजिंग की चुनौती को संबोधित करता है। मौजूदा संख्यात्मक तकनीकें विशिष्ट सीमाओं का सामना करती हैं:

• FFT-आधारित विधियाँ (जैसे CONV): हालांकि ये लोकप्रिय हैं, लेकिन इन्हें पर्याप्त सटीकता प्राप्त करने के लिए अक्सर बड़ी संख्या में फूरियर पदों (Fourier terms) की आवश्यकता होती है, जिससे ये विशेष रूप से संभाव्यता घनत्व फलनों (PDFs) या गैर-सुचारू (non-smooth) विशेषताओं वाले विकल्पों के मूल्य निर्धारण के लिए कम्प्यूटेशनल रूप से महंगी हो जाती हैं।
• क्वाड्रचर-आधारित विधियाँ (जैसे QUAD): ये अक्सर बंद रूप (closed-form) वाले PDFs पर निर्भर करती हैं या FFT के माध्यम से विशेषता फलनों (characteristic functions) के व्युत्क्रमण (inversion) की आवश्यकता होती है। इसके अलावा, वे आमतौर पर व्यक्तिगत बिंदु मानों (point values) के बजाय निरंतर मूल्य वक्र (continuous pricing curves) प्रदान नहीं करती हैं, और विकल्पों के ग्रीक्स (संवेदनशीलता) की गणना अक्सर प्रथम-क्रम के परिमित अंतर (finite differences) तक सीमित होती है, जिसमें सटीकता की कमी हो सकती है।
• श्रृंखला विस्तार विधियाँ (जैसे COS, SWIFT): जबकि COS विधि घातीय अभिसरण (exponential convergence) प्रदान करती है, इसके लिए पूर्व-निर्धारित कम्प्यूटेशनल डोमेन के चयन की आवश्यकता होती है; यदि डोमेन अपर्याप्त है, तो त्रुटियां समय के साथ पुनरावर्ती रूप से (recursively) बढ़ती हैं, जिससे प्रारंभिक-अभ्यास वाले विकल्पों के गलत मूल्य प्राप्त होते हैं। SWIFT विधि प्रारंभिक-अभ्यास विशेषताओं को संबोधित करती है लेकिन घातीय अभिसरण का सैद्धांतिक प्रमाण प्रदान नहीं करती है, क्योंकि इसका स्केल पैरामीटर अनुमानित (heuristic) रूप से चुना जाता है। इसके अतिरिक्त, ये विधियाँ अक्सर ग्रीक्स की गणना को संबोधित नहीं करती हैं।

कार्यप्रणाली (Methodology)
लेखक CONLeg विधि प्रस्तावित करते हैं, जो विकल्पों के मूल्य निर्धारण और हेजिंग सूत्रों के सन्निकटन (approximation) के लिए कॉम्पैक्टली समर्थित लेजेंड्रे श्रृंखलाओं के अभिसरण (convolution) का उपयोग करती है। यह कार्यप्रणाली निम्नलिखित घटकों को एकीकृत करती है:

1. लेजेंड्रे श्रृंखलाओं का अभिसरण (Convolution of Legendre Series): मुख्य एल्गोरिदम, हेल और टाउनसेंड (2014a) से अनुकूलित, परिमित लेजेंड्रे श्रृंखलाओं का उपयोग करके दो फलनों (पे-ऑफ फंक्शन और रिफ्लेक्टेड PDF) के अभिसरण का सन्निकटन करता है। यह दृष्टिकोण बाएं और दाएं हिस्सों ($h_L$ और $h_R$) में अभिसरण डोमेन को विभाजित करके और तीन-पद पुनरावृत्ति संबंध (three-term recurrence relation) के माध्यम से गुणांकों की गणना करके गैर-आवधिक (non-periodic) फलनों से जुड़े गिब्स घटना (Gibbs phenomenon) से बचता है।
2. Chebfun ढांचा: यह विधि फलनों को चेबिशेव श्रृंखलाओं (Chebyshev series) के रूप में प्रदर्शित करने के लिए Chebfun का उपयोग करती है, जो एक उच्च-सटीक (लगभग 15 अंक) अनुकूली सन्निकटन (adaptive approximation) की अनुमति देता है।
3. गैर-सुचारू (Non-Smooth) PDFs को संभालना: उन प्रक्रियाओं के लिए जहाँ PDF सुचारू नहीं है या जिसका कोई बंद रूप नहीं है (जैसे Variance Gamma, CGMY), शोध पत्र निम्नलिखित का उपयोग करता है:
   • कॉम्प्लेक्स फूरियर सीरीज़ (CFS): जब बंद रूप उपलब्ध न हो तो PDF का प्रतिनिधित्व करने के लिए।
   • फूरियर-पाडे (Fourier–Padé) विधि: PDF में विलक्षणताओं (singularities) का पता लगाने और सटीक खंडीय सन्निकटन (piecewise approximations) बनाने के लिए, जिससे गिब्स घटना को हल किया जा सके।
4. मूल्य निर्धारण और ग्रीक्स का सूत्रीकरण:
   • मूल्य निर्धारण (Pricing): विकल्प का मूल्य एक अभिसरण इंटीग्रल $V(x,K,t) \approx e^{-r(T-t)}K (f_M * g_N)(\tilde{x})$ के रूप में तैयार किया जाता है। CONLeg उन विधियों के विपरीत जो केवल बिंदु मानों की गणना करती हैं, स्ट्राइक्स या स्पॉट कीमतों की एक सीमा पर एक निरंतर मूल्य वक्र (एक खंडीय बहुपद/piecewise polynomial) उत्पन्न करती है।
   • हेजिंग (ग्रीक्स): चूंकि मूल्य को चेबिशेव/लेजेंड्रे श्रृंखला के रूप में दर्शाया गया है, इसलिए डेरिवेटिव (Delta, Gamma, Vega) की गणना श्रृंखला के अवकलन द्वारा विश्लेषणात्मक रूप से की जाती है, जिससे परिमित अंतर विधियों की अशुद्धताओं से बचा जा सकता है।
5. विकल्पों के प्रकारों पर अनुप्रयोग:
   • यूरोपीय/बर्मडन/अमेरिकन: विधि पुनरावर्ती मूल्य निर्धारण समीकरणों का उपयोग करती है। अमेरिकन विकल्पों के लिए, यह बर्मडन विकल्प मूल्यों पर रिचर्डसन एक्सट्रपलेशन (Richardson extrapolation) का उपयोग करती है।
     क बाधा (Barrier) स्तरों को खंडीय बहुपद सन्निकटन में ब्रेकपॉइंट्स के रूप में मानकर बाधा विकल्पों को संभाला जाता है।
6. डोमेन चयन: कम्प्यूटेशनल अंतराल $[c, d]$ को अंतर्निहित लेवी प्रक्रिया के क्युमुलेंट्स (cumulants) का उपयोग करके निर्धारित किया जाता है ताकि यह सुनिश्चित हो सके कि अंतराल PDF द्रव्यमान के अधिकांश हिस्से को कवर करता है।

प्रमुख योगदान

• वक्र निर्माण (Curve Generation): प्राथमिक योगदान व्यक्तिगत बिंदु मानों के बजाय संपूर्ण मूल्य निर्धारण और हेजिंग वक्र (S या K के फलन के रूप में) तैयार करने की क्षमता है। यह अभिसरण इंटीग्रल के सीधे सन्निकटन द्वारा प्राप्त किया जाता है।
• क्वाड्रचर-मुक्त दृष्टिकोण: यह विधि ऑर्थोगोनल पॉलीनोमियल्स (लेजेंड्रे और चेबिशेव) और अभिसरण प्रमेय के गुणों का लाभ उठाकर एक क्वाड्रचर-मुक्त दृष्टिकोण प्रदान करती है, जिससे संख्यात्मक एकीकरण भार (numerical integration weights) की आवश्यकता समाप्त हो जाती है।
• गैर-सुचारूता के प्रति मजबूती: विधि उच्च सटीकता प्रदर्शित करती है, भले ही जोखिम-तटस्थ (risk-neutral) PDF गैर-सुचारू हो या उसमें विलक्षणताएं हों, बशर्ते फूरियर-पाडे तकनीक का उपयोग विलक्षणताओं को खोजने और संभालने के लिए किया जाए।
• लचीलापन: यह दृष्टिकोण व्यापक श्रेणी के स्टोकेस्टिक प्रोसेस (GBM, VG, NIG, CGMY) के लिए लागू है, चाहे उनका बंद रूप मौजूद हो या नहीं, क्योंकि यह CFS प्रतिनिधित्व के माध्यम से विशेषता फलनों के साथ काम कर सकता है।
• कार्यान्वयन: शोध पत्र Chebfun का उपयोग करके एक प्रूफ-ऑफ-कांसेप्ट कार्यान्वयन प्रदान करता है, जो वित्तीय मॉडलिंग में उच्च-स्तरीय फंक्शन-आधारित कंप्यूटिंग की सुविधा को रेखांकित करता है।

संख्यात्मक परिणाम
शोध पत्र विभिन्न मॉडलों और विकल्प प्रकारों में स्थापित विधियों (COS, filter-COS, CONV, Lewis-FRFT, QUAD-CONV, SWIFT) के विरुद्ध CONLeg के तुलनात्मक संख्यात्मक प्रयोग प्रस्तुत करता है:

• यूरोपीय विकल्प: ब्लैक-स्कोल्स (GBM) मॉडल के तहत, CONLeg 1000 बिंदुओं के लिए 0.1 सेकंड से कम समय में मूल्य, डेल्टा और गामा के लिए मशीन प्रिसिजन सटीकता ($R_\infty \approx 10^{-14}$) प्राप्त करता है। लंबी अवधि के विकल्पों (T=50, 100) के लिए भी यह उच्च सटीकता बनाए रखता है।
• कम अवधि/गैर-सुचारू PDFs: एक तीक्ष्ण-शिखर (sharp-peaked) PDF और विलक्षणता वाले वेरिएंस गामा (VG) मॉडल में, CONLeg, CONV, Lewis-FRFT और QUAD-CONV से बेहतर प्रदर्शन करता है, और COS एवं filter-COS विधियों के समान सटीकता प्राप्त करता है।
• प्रारंभिक-अभ्यास विकल्प: NIG और CGMY मॉडलों के तहत बर्मडन और अमेरिकन विकल्पों के लिए, CONLeg समान कम्प्यूटेशनल समय के भीतर COS विधि की सटीकता से मेल खाता है या उससे थोड़ा बेहतर प्रदर्शन करता है।
• बाधा विकल्प: दैनिक और मासिक (daily and monthly) असतत-निगरानी वाले बाधा विकल्पों के लिए, CONLeg सटीकता और कम्प्यूटेशनल समय के मामले में SWIFT विधि के तुलनीय प्रदर्शन करता है।

महत्व और दावे
लेखक दावा करते हैं कि CONLeg विधि संख्यात्मक प्रयोगों में मौजूदा तकनीकों के अनुकूल या तुलनीय प्रदर्शन प्रदान करती है। इसका महत्व निम्नलिखित में निहित है:

1. सटीकता: यह इन-द-मनी/आउट-ऑफ-द-मनी विकल्पों और विभिन्न परिपक्वताओं के लिए उच्च सटीकता प्रदान करता है, यहाँ तक कि गैर-सुचारू PDFs के तहत भी।
2. वक्र निर्माण में दक्षता: यह पूरे मूल्य निर्धारण और हेजिंग वक्रों को कुशलतापूर्वक उत्पन्न करता है, जो डिस्क्रीट पॉइंट्स की गणना करने के बजाय मॉडल अंशांकन (calibration) और जोखिम प्रबंधन के लिए फायदेमंद है।
3. सैद्धांतिक मजबूती: यह COS विधि की डोमेन चयन संबंधी समस्याओं से बचता है और विलक्षणताओं को संभालने के लिए फूरियर-पाडे के माध्यम से एक व्यवस्थित तरीका प्रदान करता है।
4. व्यावहारिकता: लेखक स्वीकार करते हैं कि वर्तमान Chebfun-आधारित कार्यान्वयन में अनुकूली प्रक्रियाओं के कारण कुछ ओवरहेड होता है, लेकिन यह विधि एक "प्रूफ ऑफ कॉन्सेप्ट" है जो वित्तीय मॉडलिंग के लिए फंक्शन-आधारित अभिसरण की व्यवहार्यता को प्रदर्शित करती है। वे नोट करते हैं कि अभिसरण दरों के निष्पक्ष तुलनात्मक अध्ययन के लिए एक गैर-अनुकूली (non-adaptive) संस्करण की आवश्यकता होगी, फिर भी वर्तमान परिणाम उत्साहजनक हैं।

शोध पत्र इस निष्कर्ष के साथ समाप्त होता है कि भविष्य के कार्य इस विधि को टाइम-चेंज्ड लेवी प्रक्रियाओं और स्टोकेस्टिक वोलैटिलिटी मॉडलों के तहत पाथ-डिपेंडेंट विकल्पों तक विस्तारित करेंगे।