Modelos de precios de opciones GARCH y la prima de riesgo de varianza
Autores: Zhang, Wenjun; Zhang, Jin E.
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Modelos de precios de opciones GARCH y la prima de riesgo de varianza
Categoría
Gestión y administración
Subcategoría
Gestión de recursos
Palabras clave
Papel
Modificar
Relación de valoración local neutral al riesgo
Modelos de precios de opciones GARCH
Prima de riesgo de varianza
Estimación empírica
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
En este artículo, modificamos la relación de valoración localmente neutral al riesgo de Duan (1995) (mLRNVR) para los modelos de precios de opciones GARCH. En nuestro mLRNVR, las varianzas condicionales bajo dos medidas están diseñadas para ser diferentes y el proceso de varianza es más persistente en la medida neutral al riesgo que en la física, de modo que se puede capturar la prima de riesgo de varianza. Los ejercicios de estimación empírica muestran que los modelos de precios de opciones GARCH bajo nuestro mLRNVR son capaces de valorar la tasa de swap de varianza de un mes del SPX, es decir, el Índice de Volatilidad de CBOE (VIX) con precisión. Nuestra investigación sugiere que se debe utilizar nuestro mLRNVR al valorar opciones con modelos GARCH.
Descripción
En este artículo, modificamos la relación de valoración localmente neutral al riesgo de Duan (1995) (mLRNVR) para los modelos de precios de opciones GARCH. En nuestro mLRNVR, las varianzas condicionales bajo dos medidas están diseñadas para ser diferentes y el proceso de varianza es más persistente en la medida neutral al riesgo que en la física, de modo que se puede capturar la prima de riesgo de varianza. Los ejercicios de estimación empírica muestran que los modelos de precios de opciones GARCH bajo nuestro mLRNVR son capaces de valorar la tasa de swap de varianza de un mes del SPX, es decir, el Índice de Volatilidad de CBOE (VIX) con precisión. Nuestra investigación sugiere que se debe utilizar nuestro mLRNVR al valorar opciones con modelos GARCH.