کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7427973 1482982 2017 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Freight derivatives pricing for decoupled mean-reverting diffusion and jumps
ترجمه فارسی عنوان
قیمت های مشتقات حمل و نقل برای انتشار و بازپرداخت میانی بازپرداخت جدا می شود
کلمات کلیدی
مدل سازی عدم اطمینان، حمل و نقل اقیانوس برآورد کردن، مشتقات حمل و نقل، قیمت گذاری،
ترجمه چکیده
ما یک راهبرد ارزیابی دقیق برای گزینه های حمل و نقل ارائه می دهیم که حاوی یک مدل معکوس معکوس برای نرخ حمل و نقل با مقیاس های مجزا مجزا برای اجزای پرش و انتشار آن است. ما به قیمت گزینه های بالتیک و کالیبراسیون پویایی نرخ حمل و نقل را تجزیه و تحلیل می کنیم. به طور خاص، مشاهده می کنیم که جهش ها سریعتر از انحرافات پخش شده در مورد سطح تعادل تجزیه می شوند. ما بر مدل انتخابی تمرینکنندگان، یعنی مدل الگورنال و انواع، معیار می دهیم و می بینیم که رویکرد ما خطای قیمت را کاهش می دهد در حالی که حفظ قابلیت های تحلیلی و صلاحیت محاسباتی را کاهش می دهد. ما همچنین متوجه می شویم که نادیده گرفتن جهش های سریع به معنی بازگشت، منجر به اشتباهات غیرانتخابی می شود.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
We develop an accurate valuation setup for freight options, featuring an exponential mean-reverting model for the freight rate with distinct reversion scales for its jump and diffusion components. We calibrate to Baltic option prices and analyze the freight rate dynamics. More specifically, we observe that jumps dissipate faster than the diffusive deviations about the equilibrium level. We benchmark against practitioners' model of choice, i.e., the lognormal model, and variants, and find that our approach reduces the pricing error while preserving analytical tractability and computational competence. We also find that neglecting fast mean-reverting jumps leads to nontrivial option mispricings.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Transportation Research Part E: Logistics and Transportation Review - Volume 108, December 2017, Pages 80-96
نویسندگان
, , , ,