参数工程

参数工程

在衍生品定价里，数值算法与近似公式如同精密却脆弱的仪器：只有配置合适的参数，才能够输出可信的计算结果。我把这一整套调参相关的课题，称作参数工程。

参数工程主要需要处理三类核心问题：

• 计算量与误差之间的权衡
• 从真实市场条件到近似模型的参数映射
• 参数随时间动态演化

平衡计算量与误差

这类问题广泛出现在有限差分、蒙特卡洛、树方法、数值积分中。

采用有限差分法时，需要确定价格网格边界、网格步长，判断是否启用非均匀网格以及如何构造非均匀网格，选择合适的离散求解格式等；使用蒙特卡洛模拟时，要挑选随机过程的离散模拟方案，确定模拟路径数量，评估是否引入布朗桥和对偶变量技术；运用树方法定价时，抉择二叉树还是三叉树、树的构造形式，设定时间步长；做数值积分计算时，则要选定积分算法，处理积分区间划分与截断问题。

上面每一处选择，都会同时改变计算开销与数值误差。一般来说，加大计算开销能够压低误差，但算力资源总有现实约束，需要在二者之间找到合理平衡点。

真实向近似的映射

很多近似定价公式会引入模型本体之外的辅助参数。

举两个典型例子：使用 Turnbull‑Wakeman 或者 Levy 的连续亚式期权公式，去近似日度观察的离散亚式期权价格，就需要输入“当前均值”这一外部参数，如何从历史观测数据换算得到该均值，才能让近似结果尽可能贴合真实情况；利用连续障碍期权公式近似日度观察的离散障碍期权，又要确定“观察间隔”这一参数应当如何赋值。

参数随时间的演进

上述各类参数的取值往往不是一成不变的。随着衍生品剩余期限不断缩短、标的价格状态发生改变，数值方法的参数也应当随之动态调整。比如临近到期时刻，可以收缩有限差分网格的边界范围，也可以适当减少蒙特卡洛的模拟路径数量。

解决之道

依靠实操经验与直觉固然可以处理一部分调参场景，但这种方式缺少精度，也难以形成系统化的方法论。我设想的一条可行路径：基于大量的计算实验，借助符号回归，拟合出计算量、误差关于各个输入参数的近似函数关系。

截至目前，这仍然是一个开放待研究的问题。