$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC|



Título: NONPARAMETRIC ESTIMATION OF RISK-NEUTRAL DISTRIBUTION VIA THE EMPIRICAL ESSCHER TRANSFORM
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Autor(es): MANOEL FRANCISCO DE SOUZA PEREIRA

Colaborador(es):  ALVARO DE LIMA VEIGA FILHO - Orientador
Número do Conteúdo: 30499
Catalogação:  11/07/2017 Idioma(s):  ENGLISH - UNITED STATES

Tipo:  TEXT Subtipo:  THESIS
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30499@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=30499@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.30499

Resumo:
This thesis is comprised of three studies concerning the use of an empirical version of the Esscher Transform for nonparametric option pricing. The first one introduces the empirical Esscher transform and compares its performance against some well-known parametric option pricing approaches. In our proposal, we make only mild assumptions on the pricing kernel and there is no need for a risk-neutral model. In the second study, we propose a method for nonparametric option pricing under a GARCH framework with nongaussian innovations. Several papers have extended nonparametric option pricing and provided evidence that this methodology performs adequately in the presence of realistic financial time series. To represent a realistic time series, we use a new class of observation driven model, called dynamic conditional score model, proposed by Harvey (2013), for modeling the volatility (and heavy tails) of the asset s price. Finally, in the third study, we introduce a new approach for indirect estimation of state-prices implicit in financial asset prices from empirical Esscher transform. First, we generalize the discrete version of the Breeden and Litzenberger (1978) method for the case where states are not equally spaced. Second, we use the historical distribution of the underlying asset s price and the observed option prices to estimate the implicit Esscher parameter.

Descrição Arquivo
COMPLETE  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui