AIChronos.notizie sull'intelligenza artificiale
Iscriviti
Paper · arXiv (temi verticali)

Pricing American Commodity Options Under the Schwartz Two-Factor Model Using the Alternating Direction Explicit (ADE) Method

Aggiunta all'archivio di AIChronos il (numero del 15 ottobre 2026 ricostruito)· fonte del · Sanjith Prabhu, Daniel J. Duffy

Il progetto valuta le opzioni americane su commodity utilizzando il modello a due fattori di Schwartz e lo schema alle differenze finite Alternating Direction Explicit (ADE). Questo metodo offre la stabilità incondizionata dei metodi impliciti combinata con l'efficienza del marching esplicito, superando i limiti delle varianti single-sweep come quella di Saul'yev. L'autore trasforma il dominio semi-infinito in un dominio rettangolare computazionale e applica la teoria di Fichera per determinare le condizioni al contorno sul prezzo spot. Infine, l'implementazione C++ valida i risultati contro soluzioni analitiche europee (PDE) e simulazioni Monte Carlo Longstaff-Schwartz prima di estendere il framework all'esercizio sui prezzi futures con parametri stagionali.

  • Utilizzo dello schema ADE per garantire stabilità incondizionata nell'ambito della diffusione finanziaria.
  • Trasformazione del dominio semi-infinito in un rettangolo computazionale gestibile numericamente.
  • Validazione incrociata tra soluzioni PDE chiuse, Monte Carlo europeo e l'algoritmo Longstaff-Schwartz per opzioni americane.
  • Estensione del modello originale di Schwartz includendo prezzi futures e parametri stagionali basati sul feedback dei trader.
  • Implementazione completa in C++ ottimizzata per la precisione numerica e la convergenza.

Perché conta. Sebbene il paper si concentri su finanza quantitativa, l'approccio metodologico di discretizzazione del dominio (ADE) e gestione delle condizioni al contorno è rilevante per sviluppatori che progettano agenti AI o sistemi locali complessi.

Vai alla fonte originale ↗

Alternating Direction ExplicitSchwartz Two-Factor ModelAmerican OptionsMonte Carlo SimulationLongstaff-Schwartz MethodFinite Difference Scheme

Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.