Option Valuation Menggunakan Fast Fourier

Mengubah
Peter Carr
NationsBanc Montgomery Securities LLC
9 Barat 57th Street
New York, NY 10019
(212) 583-8529
pcarr@montgomery.com
Dilip B. Madan
Robert H Smith School of Business
Van Mengunyah Balai
University of Maryland
College Park, MD 20.742
(301) 405-2127
dbm@rhsmith.umd.edu
10 Maret 1999

Abstrak
Makalah ini menunjukkan bagaimana Fourier Transform cepat
dapat digunakan untuk opsi nilai ketika fungsi karakteristik
pengembalian diketahui analitis.

1
1. Perkenalan
Model penentuan dan ekstensi yang terdiri salah satu devel-opments besar di
Nance modern. Banyak literatur baru pada pilihan valua-tion telah berhasil
diterapkan analisis Fourier untuk menentukan harga opsi, misalnya. Bakshi dan
Chen [1], Scott [13], Bates [5], Heston [8], dan Chen dan Scott
[6]. Para penulis ini numerik memecahkan delta dan untuk probabilitas
risiko-netral finishing in-the-money, yang dapat dengan mudah
dikombinasikan dengan harga saham dan harga strike untuk menghasilkan
nilai opsi. Sayangnya, pendekatan ini tidak mampu untuk memanfaatkan
kekuatan komputasi besar dari Fast Fourier Transform (FFT; Walker [14]),
yang merupakan salah satu kemajuan yang paling mendasar dalam
komputasi ilmiah. Selanjutnya, meskipun dekomposisi dari harga opsi
menjadi elemen-elemen probabilitas secara teoritis di-traksi seperti yang
dijelaskan dalam Bakshi dan Madan [2], itu adalah numerik yang tidak
diinginkan karena diskontinuitas dari payo®s.
Tujuan dari makalah ini adalah untuk menggambarkan pendekatan
baru untuk numerik menentukan nilai-nilai pilihan, yang dirancang untuk
menggunakan FFT untuk pilihan nilai e ± efisien. Seperti halnya dengan
semua pendekatan di atas, teknik kami mengasumsikan bahwa fungsi
karakteristik kepadatan risiko netral dikenal analitis. Mengingat fungsi
karakteristik seperti itu, kita mengembangkan ekspresi analitik
sederhana untuk Fourier transform dari nilai pilihan atau nilai waktu.
Kami kemudian menggunakan FFT untuk numerik memecahkan untuk
harga opsi atau nilai waktu. kami menggunakan FFT dalam tahap inversi
memungkinkan harga real time, menandai, dan lindung nilai
menggunakan model yang realistis, bahkan untuk buku dengan ribuan
pilihan.
Untuk menguji akurasi pendekatan kami, kami ingin menggunakan model
mana harga opsi dikenal analitis. Untuk menggambarkan potensi kekuatan
analisis Fourier, kami juga ingin menggunakan model di mana fungsi kepadatan
rumit, sedangkan fungsi karakteristik dari harga log sederhana. Akhirnya, kami
ingin menggunakan model yang didukung dalam ekuilibrium umum dan yang
mampu menghilangkan bias dari model penentuan standar. Semua persyaratan
ini dipenuhi oleh model Variance Gamma (VG), yang mengasumsikan bahwa
harga log mematuhi proses Markov satu dimensi melompat murni dengan
independen bertahap stasioner. Matematika dari proses ini adalah rinci dalam
Madan dan Seneta [11], sementara motivasi ekonomi dan dukungan empiris
untuk model ini dijelaskan dalam Madan dan Milne [10], dan di Madan, Carr,
2
 Garis besar makalah ini adalah sebagai berikut. Pada bagian 2, kita brie °
y meninjau literatur saat ini pada penggunaan metode Fourier di harga opsi.
Pada bagian 3, kami menyajikan pendekatan kami untuk analitis
menentukan Fourier transform dari nilai pilihan dan nilai waktu dari segi
fungsi charac-teristic dari kepadatan risiko-netral. Bagian 4 Rincian
penggunaan FFT untuk numerik memecahkan untuk harga opsi atau nilai
waktu. Pada bagian 5, kita menggambarkan pendekatan kami dalam model
VG. Bagian 6 menyimpulkan.

2 Ulasan Metode Fourier di Option Pric-ing

Mempertimbangkan masalah menilai panggilan Eropa kematangan T,

yang ditulis pada harga spot terminal STbeberapa aset yang mendasari.
Fungsi karakteristik dari sT = Ln (ST ) Adalah de¯ned oleh:

SEBUAHT (U) = E [exp (iusT )]: (1)

Dalam banyak situasi fungsi karakteristik ini dikenal analitis. Sebuah kelas
macam contoh muncul ketika dinamika harga log diberikan oleh proses
in¯nitely dibagi dari kenaikan independen. Fungsi karakter-istic kemudian
muncul secara alami dari representasi L¶evy Khintchine untuk proses tersebut.
Di antara kelas ini proses, kita memiliki proses di-dependent bertahap stabil
(McCulloch [12]), proses varians gamma (Madan, Carr, dan Chang [9]),
kebalikan Gaussian Hukum (Barndor®-Nielsen [3 ]), dan berbagai proses
lainnya yang diusulkan dalam Geman, Yor, dan Madan
[7]. fungsi karakteristik juga telah digunakan dalam konteks di®usion murni
dengan volatilitas stokastik (Heston [8]), dan dengan suku bunga stokastik di
Bakshi dan Chen [1]. Akhirnya, mereka telah digunakan untuk melompat
ditambah dengan volatilitas stokastik (Bates [5]) dan untuk melompat ditambah
dengan tingkat interst stochastic dan volatilitas di Scott [13]). Metode solusi
juga dapat diterapkan untuk klaim rata-rata dan klaim eksotis lainnya (Bakshi
dan Madan [2]). Metode secara umum lebih cepat daripada solusi di®erence
nite untuk persamaan di®erential par-esensial atau persamaan integro-
di®erential, yang dipimpin Heston
[8] untuk merujuk kepada mereka sebagai solusi bentuk tertutup.
Dengan asumsi bahwa fungsi karakteristik diketahui analitis, banyak au-
Thors (misalnya. Bakshi dan Madan [2] dan Scott [13]) telah numerik
ditentukan
3
probabilitas risiko-netral finishing in-the-money sebagai:

e iu ln
(K) SEBU
1 1 1 AH ¡ T
(U)
Kem
bali
· ¸
Pr (ST > K) = |2 = 2 + ¼ Z0 iu du:
Demikian pula, delta opsi, dilambangkan |1; secara numerik diperoleh sebagai:
Z0 ¡
iu ln

SEBU (K)

1 1 1 e AH (u saya)
¡ T ¡

s
Kem a
baliy
· a ¸
|1 = 2 + ¼ IUAT ( ) du:
Dengan asumsi tidak ada dividen dan konstan suku bunga r; nilai opsi
awal kemudian ditentukan sebagai:

C = S|1 ¡Ke¡rt |2:

Sayangnya, FFT tidak dapat digunakan untuk mengevaluasi integral, sejak

inte-grand tunggal pada titik evaluasi diperlukan u = 0: Mengingat keuntungan
kecepatan mempertimbangkan-mampu dari FFT, kita memeriksa dua
pendekatan alternatif dalam bagian berikutnya, yang kedua setuju untuk
evaluasi oleh FFT.

3Two Metode Fourier New

Pada bagian ini, kami mengembangkan ekspresi analitik untuk Fourier
transform dari harga opsi dan untuk Fourier transform dari nilai waktu
dari opsi. Kedua transformasi Fourier dinyatakan dalam fungsi
karakteristik dari harga log.

3.1The Fourier Transform dari Opsi Harga

Biarkan k menunjukkan log dari strike price K, dan biarkan CT (K)
menjadi nilai yang diinginkan dari pilihan T jatuh tempo panggilan
dengan pemogokan exp (k): Biarkan density risiko-netral harga log sT
menjadi qT (S): Fungsi karakteristik kepadatan ini de¯ned oleh:

SEBUAHT
Z1
(U) ' eiusqT (S) ds: (2)
¡1

4
 Awal nilai panggilan CT (K) adalah terkait dengan risiko-netral kepadatan qT (S):
by:

Z1 qT (S)
s k
CT (K) ' e ¡rt e ¡e ds:

k ¡ ¢
Catatan C yangT (K) cenderung S0sebagai k cenderung ¡1, dan
karenanya fungsi harga panggilan tidak persegi terintegral. Untuk
mendapatkan fungsi terintegral persegi, kami mempertimbangkan
modi¯ed harga panggilan cT (K) de¯ned oleh:

cT (K) 'exp (®k) CT (K) (3)

untuk ®> 0: Untuk rentang nilai positif bagi ®; kami berharap bahwa c T(K)
adalah persegi diintegrasi dalam k atas seluruh garis nyata. Kami
mengomentari kemudian pada pilihan ®: Pertimbangkan sekarang
Transformasi Fourier dari cT (K) de¯ned oleh:

SEBUAHT
Z1
(V) = eIVKcT (K) dk: (4)
¡1

Kami RST mengembangkan ekspresi analitis untuk ÃT (V) dalam hal

ÁT dan
kemudian mendapatkan harga panggilan numerik
menggunakan inverse transform:
1 1

e¡IVKS
EBU
C (K) = exp (¡®k) AH (V) dv = exp (¡®k) e¡IVKÃ (v) dv: (5)
T 2¼ Z T ¼ Z
¡1 0

Kesetaraan kedua memegang karena CT (K) adalah nyata, yang berarti

bahwa fungsi ÃT(V) aneh di bagian imajiner dan bahkan sebagian
sebenarnya. Itu
5
ekspresi untuk ÃT (V) ditentukan sebagai berikut:
SEBUAHT
Z1 eIV qT (S)
s k
(V) = K Ze e1 ®k ¡rt e ¡e dsdk

¡1 k ¡ ¢
Z1 Zs ¡e ¢
= e¡rt qT (S) s + ®k ¡ e(1 + ®) k eIVKdkds
¡1 ¡1
1 (® + 1 + iv) s e(® + 1 + iv) s
·e ¸
= Z e¡rt qT (S) ® + iv ¡® + 1 + iv ds
¡1
e¡rt SEBUAHT (V ¡(® +
= 1) i) (6)
2 2
® + ® ¡v + I (2 ® + 1) v
nilai-nilai panggilan ditentukan dengan menggantikan (6) menjadi (5)
dan melakukan integrasi yang diperlukan. Kami mencatat bahwa
integrasi (5) adalah Fourier langsung mengubah dan cocok untuk
aplikasi dari FFT. Kami juga mencatat bahwa jika ® = 0; maka penyebut
hilang ketika º = 0, menginduksi singularitas di integran. Sejak FFT
mengevaluasi integran di º = 0; penggunaan faktor exp (®k) atau yang
serupa diperlukan
Kita sekarang mempertimbangkan masalah pilihan yang tepat dari
koefisien ± efisien ®. nilai-nilai positif dari ® membantu integrability dari
nilai panggilan modi¯ed atas sumbu log pemogokan negatif, tetapi
memperburuk kondisi yang sama untuk positif sumbu log mogok. Untuk
nilai panggilan modi¯ed menjadi terintegral dalam arah log pemogokan
positif, dan karenanya untuk itu menjadi persegi terintegral juga, su ±
kondisi sien disediakan oleh à (0) menjadi nite. Dari (6), kita mengamati
bahwa ÃT (0) adalah NITE disediakan ÁT(¡(® + 1) i) adalah nite. Dari
de¯nition dari fungsi karakteristik, ini mensyaratkan bahwa:
®+1
£ ¤
E ST <1: (7)
Dalam prakteknya, orang dapat menentukan batas atas ® dari ekspresi
analitis untuk fungsi karakteristik dan kondisi (7). Kami mendapati bahwa
seperempat dari batas atas ini berfungsi sebagai pilihan yang baik untuk
®:
Kita sekarang mempertimbangkan isu in¯nite £ limit¤ atas integrasi dalam (5).
Perhatikan bahwa sebagai modulus Át dibatasi oleh EST® + 1 , Yang independen

6
v, berikut bahwa:
S
E
B
SEBU U
AHT A
(V) 2 (®2 + ® ES® + 1 v2) 2T (2 ® + 1) 2v2
H 4

j j · ¡ £+ ¤ ·v
untuk beberapa konstan A; atau itu:
p
SEBUAH
Ja (v) j < v2 :
Oleh karena itu kita dapat terikat integral dari ekor atas dengan:
1 p
S
E
B
U
A
H
S
e
b
u
ZSe Ja (v) j dv a
buah < h : (8)
Hal ini terikat memungkinkan untuk mengatur prosedur pemotongan. Speci¯cally, p

integral ekor dalam menghitung Transformasi (5) dibatasi oleh A = a dan

karenanya kesalahan pemotongan dibatasi oleh:
p
exp (¡®k) SEBUAH
¼ Sebuah
yang dapat dibuat lebih kecil dari "dengan memilih:
p
a> exp (¡®k) SEBUAH:
¼ "

3.2Fourier Transform dari Out-Of-The-Money Option

 harga

Bagian terakhir dikalikan panggilan nilai-nilai oleh fungsi eksponensial untuk

mendapatkan fungsi terintegral persegi yang Fourier transform adalah
fungsi analitik dari fungsi karakteristik dari harga log. Sayangnya, untuk
jatuh tempo yang sangat singkat, nilai panggilan mendekati nilai intrinsik
non-analitik yang menyebabkan integran dalam inversi Fourier menjadi
sangat osilasi, dan karena itu di ± kultus untuk numerik mengintegrasikan.
Tujuan dari bagian ini adalah untuk memperkenalkan pendekatan alternatif
yang bekerja dengan hanya nilai-nilai waktu. Sekali lagi membiarkan k
menunjukkan log dari mogok dan S0 menunjukkan harga spot awal, kita
membiarkan

7
zT (K) menjadi T jatuh tempo memberi harga ketika k <ln (S0); dan kami
membiarkannya menjadi T jatuh tempo harga panggilan ketika k> ln (S0):
Untuk setiap fungsi kepadatan probabilitas unimodal, fungsi zT (K) adalah
memuncak pada k = ln (S0) and is declines in both directions as k tends to
positive or negative in¯nity. In this subsection, we develop an analytic
expression for the Fourier transform of zT (k) in terms of the characteristic
function of the log of the terminal stock price.
Let ³T (v) denote the Fourier transform of zT (k):

Z1
³T (v) = eivkzT (k)dk: (9)
¡1

The prices of out-of-the-money options are obtained by inverting this

trans-form:
1
1
zT (k) = 2¼ Z e¡ivk³T (v)dv: (10)
¡1

For ease of notation, we will derive ³T (v) assuming that S0 = 1 (one may
always scale up to other values later). We may then de¯ne zT (k) by:

zT (k) = e¡rT Z1 [(ek ¡ es)1s<k;k<0 + (es ¡ ek)1s>k;k>0]qT (s)ds: (11)

¡1

The expression for ³T (v) follows on noting that:

Z0 Zk

³T (v) = dkeivke¡rT (ek ¡ es)qT (s)ds + (12)

¡1 ¡1
1 1

ivk ¡rT Z
Z dke e (es ¡ ek)qT (s)ds:
0 k

Reversing the order of integration in (12) yields:

8
 0 1

Z Z
³T (v) = dse¡rT qT (s) (e(1+iv)k ¡ eseivk)dk + (13)
¡1 s
1 s

Z
dse¡rT qT (s) 0 (eseivk ¡ e(1+iv)k)dk:
Z0
Performing the inner integrations, simplifying, and writing the outer
integra-tion in terms of characteristic functions, we get:

³ (v) = e
¡rT 1 erT ÁT (v ¡ i) : (14)

T · 1 + iv ¡ iv ¡ v2 ¡ iv ¸
Although there is no issue regarding the behavior of zT (k) as k tends to
positive or negative in¯nity, the time value at k = 0 can get quite steep as
T ! 0, and this can cause di±culties in the inversion. The function zT (k)
approximates the shape of a Dirac delta function near k = 0 when maturity
is small (see Figure 1), and thus the transform is wide and oscillatory.
It is useful in this case to consider the transform of sinh(®k)zT (k) as
this function vanishes at k = 0. De¯ne:
Z1
°T (v) = eivk sinh(®k)zT (k)dk (15)
¡1
1
= eivk e®k ¡ e¡®k z (k)dk
Z 2 T
¡1

= ³T (v ¡ i®) ¡ ³T (v + i®)
2
Thus, the time value is given by:
1
1 1
zT (k) = sinh(®k) 2¼ Z e¡ivk°T (v)dv:
¡1

The value of ® can be chosen to control the steepness of the integrand

near zero.

9
 Fourier Inversion Integrands with and without the use of Sinh
10
r=0, t=.0027, alpha=1.1

sig=.2,nu=.12,th=.0027

5
Without Sinh
IntegrandofLevel

Including Sinh
-5
-250 -200 -150 -100 -50 0 50 100 150 200 250
Log Strike Transform Variate

Figure 1:

4Option Pricing Using the FFT

The F F T is an e±cient algorithm for computing the sum:
P
j
N

w(k) = e¡i (j¡1)(k¡1)

2¼

N x(j) for k = 1; ; N;
=1 ¢¢¢ (16)

where N is typically a power of 2. The algorithm reduces the number of

multiplications in the required N summations from an order of N 2 to that
of N ln2(N); a very considerable reduction. We present in this section the
details for writing the integration (5) as an application of the summation
(16).
Using the Trapezoid rule for the integral on the right side of (5) and
setting vj = ´(j ¡ 1); an approximation for C(k) is:
exp(¡®k)
CT (k) t N e¡ivj kÃT (vj )´: (17)

X
¼
j=1

10
The e®ective upper limit for the integration is now:

a = N ´: (18)

We are mainly interested in at-the-money call values C(k); which

corre-spond to k near 0: The F F T returns N values of k and we employ
a regular spacing of size ¸; so that our values for k are:

ku = ¡b + ¸(u ¡ 1); for u = 1; ¢ ¢ ¢ ; N: (19)

This gives us log strike levels ranging from ¡b to b where:

b = N¸ : (20)
2
Substituting (19) into (17) yields:
jP
exp(¡®ku) N ivj( b+¸(u 1))
(21)
¡
CT (ku) t ¼ =1 e ¡ ¡ ÃT (vj)´; for u = 1; ¢ ¢ ¢ ; N:
Noting that vj = (j ¡ 1)´; we write:
exp(¡®ku) XN
CT (ku) t e¡i¸´(j¡1)(u¡1)eibv ÃT (vj)´:
j
(22)
¼
j=1

To apply the fast Fourier transform, we note from (16) that:

2N¼ (23)
¸´ = :

Hence if we choose ´ small in order to obtain a ¯ne grid for the

integration, then we observe call prices at strike spacings that are
relatively large, with few strikes lying in the desired region near the stock
price. We would therefore like to obtain an accurate integration with
larger values of ´ and for this purpose, we incorporate Simpson's rule
weightings into our summation. With Simpson's rule weightings and the
restriction (23), we may write our call price as:
Xj
N j
exp(¡®k ) e¡i N (j¡1)(u¡1)eibvj Ã(v ) ´ (3 + ( 1) ±
2¼
C(k ) = u ); (24)
u ¼ =1 j 3 ¡ ¡ j¡1

11
where ±n is the Kronecker delta function that is unity for n = 0 and zero
otherwise. The summation in (24) is an exact application of the FFT. One
needs to make the appropriate choices for ´ and ®: The next section
takes up these issues in the context of the Variance Gamma (VG) option
pricing model used to illustrate our approaches.
The use of the FFT for calculating out-of-the-money option prices is
similar to (24). The only di®erences are that we replace the multiplication
by exp(¡®ku) with a division by sinh(®k) and the function call to Ã(v) is
replaced by a function call to °(v) de¯ned in (15).

5The FFT for VG Option Pricing

The VG option pricing model is described in detail in Madan, Carr, and Chang
[9], who document that this process e®ectively removes the smile observed
when plotting Black Scholes implied volatilities against strike prices. The VG
process is obtained by evaluating arithmetic Brownian motion with drift µ and
volatility ¾ at a random time given by a gamma process having a mean rate per
unit time of 1 and a variance rate of º: The resulting process Xt(¾; µ; º) is a pure
jump process with two additional parameters µ and º relative to the Black
Scholes model, providing control over skewness and kurtosis respectively. The
resulting risk-neutral process for the stock price is

St = S0 exp(rt + Xt(¾; µ; º) + !t); t > 0; (25)

where by setting ! = (1=º) ln(1 ¡ µº ¡ ¾2º=2); the mean rate of return on

the stock equals the interest rate r.
Madan, Carr, and Chang [9] show that the characteristic function for
the log of ST is:
¡ ¢
ÁT (u) = exp(ln(S0 + (r + !)T ) 1 ¡ iµºu + ¾2u2º=2 ¡T =º : (26)

To obtain option prices, one can analytically invert this characteristic func-tion to
get the density function, and then integrate the density function against the
option payo®. Madan, Carr, and Chang [9] provide a closed form formula for
both the density function and the option price. Alternatively, the Fourier
transform of the distribution functions can be numerically inverted as reviewed
in section 1. Finally, the Fourier transform of the modi¯ed call can be
numerically inverted without using FFT. In this last case, one must

12
set the damping coe±cient, ®: To accomplish this, we evaluate the term
ÁT (¡(® + 1)i) in (7) as:
ÁT (¡(® + 1)i) = exp(ln(S0 + (r + !)T )(1 ¡ µº(® + 1) ¡ ¾2(® + 1)2º=2)¡T =º :

For this expression to be ¯nite, we must have that:

s
µ2 2 µ
2
® < ¾4 + ¾ º ¡ ¾2 ¡ 1:
Generally, we anticipate in our estimates that the expectation of S T2 is
¯nite and that this upper bound is above unity. A value of ® above unity
and well below the upper bound performs well.
For our FFT methods, we found that setting the spacing ´ = 0:25 deliv-ers
the speedup of the F F T without compromising the accuracy delivered by other
methods However, as a quality control, we recommend selective check-ing of
the F F T output against other methods. We used N = 4096 points in our
quadrature, implying a log strike spacing of 8¼=4096 = :00613 or a little over
half a percentage point, which is adequate for practice. For the choice of the
dampening coe±cient in the transform of the modi¯ed call price, we used a
value of ® = 1:5: For the modi¯ed time value, we used ® = 1:10:
We evaluated option prices using the FFT to invert the modi¯ed call
price (termed VGFFTC) and using it to invert the modi¯ed time value
(termed VGFFTTV). We used 160 strike levels at 4 combinations of
parameter set-tings and compared the CPU times with those required by
the following three other methods:

1. VGFIC - Fourier inversion of the modi¯ed call price without using FFT

2. VGPS - Computing delta and the risk-neutral probability of ¯nishing

in-the-money

3. VGP. - the analytic formula in Madan, Carr, and Chang [9].

The results are presented in Table 1.

13
 TABLE 1
CPU TIMES FOR VG PRICING
CASE 1 CASE 2 CASE 3 CASE 4

¾ :12 :25 :12 :25

º :16 2:0 :16 2:0
µ ¡:33 ¡:10 ¡:33 ¡:10
t 1 1 :25 :25
V GF F T C 6:09 6:48 6:72 6:52
V GF F T T V 11:53 11:48 11:57 11:56
V GF IC 29:90 23:74 23:18 22:63
V GP S 288:50 191:06 181:62 197:97
V GP 22:41 24:81 23:82 24:74

We see from Table 1 that both F F T methods are considerably faster than
the other methods, computing 160 option prices in around 6:5 seconds and
11:5 seconds respectively. The analytical method of Madan, Carr, and Chang
[9] has a speed that is broadly comparable to that of direct Fourier
inversion without invoking the fast Fourier transform. By far the slowest
method is the practice of solving for the probability of ¯nishing in-the-
money and for the delta. Additionally we note that this method is not only
slow but also inaccurate with substantial errors in case 4.
For a more detailed analysis of case 4 we evaluate the option prices in
this case for strikes ranging from 70 to 130 in steps of a dollar with the spot
set at $100, the interest rate at :05 and the dividend yield at :03: At the
strikes of 77; 78; and 79 the prices reported by V GP S were respectively
¡:2425, ¡:2299, and 1:5386: The correct price reported by all the other meth-
ods, V GP , V GF IC, and the time value (T V ) approach were in agreement
to four decimal places and were respectively :6356, :6787, and :7244: For a
more detailed evaluation of the pricing errors, we computed for the remain-
ing strikes the mean errors and their standard deviations. The errors were
measured as deviations from the analytical formula V GP . This mean and
standard deviation is for V GP S, :0005658 and :0057. The corresponding
values for the modi¯ed call price are :0001196 and :0041 while for the time
value approach we have :000006059 and :0002662: Hence we observe that
the time value approach is an order of magnitude lower in its pricing errors
compared with V GF IC which is considerably better than V GP S. Figure 2

14
 Pricing errors analytical less VGPS, modified call and time value
0.015

0.01

0.005

0
Errors

-0.005

-0.01
Analytical less VGPS *
-0.015 Analytical less modified call -
Analytical less time value -.
-0.02
p=100, r=.05, q=.03, sig=.25, nu=2.0, th=-.10, t=.25
-0.025
70 80 90 100 110 120 130
Strike

Figure 2: Pricing Errors in Case 4 of Table 1.

below presents a graph of the pricing errors excluding the troublesome

strikes for V GP S: The primary di±culty with V GP S comes from the
behavior of the term iu in the denominator, for values of u near zero.

6Summary and Conclusion

We analytically developed two Fourier transforms in terms of the character-
istic function of the log of the terminal stock price. The ¯rst is the Fourier
transform of the modi¯ed call price written as a function of log strike, where
the modi¯cation involves multiplying by an exponential. The second is the

15
Fourier transform of the modi¯ed time value, where the modi¯cation involves
multiplying by the hyperbolic sine function. Fourier inversion using the FFT
yields the modi¯ed call price and the modi¯ed time value respectively. We
illustrate our methods for the VG option pricing model and ¯nd that the use of
the F F T is considerably faster than most available methods and fur-thermore,
the traditional method described in Heston [8], Bates [5], Bakshi and Madan [2],
and Scott [13] can be both slow and inaccurate. By focusing attention on delta
claims the traditional method sacri¯ces the advantages of the continuity of the
call payo® and inherits in its place the problemmatic discontinuity of these
claims. Thus, we recommend the use of the V GF F T and in general the use of
the F F T whenever the characteristic function of the underlying uncertainty is
available in closed form.
We anticipate that the advantages of the F F T are generic to the widely
known improvements in computation speed attained by this algorithm and is
not connected to the particular characteristic function or process we chose
to analyse. We have observed similar speed improvements when we work
with generalizations of the V G model introduced in Geman, Madan, and Yor
[7], where a considerable variety of processes are developed with closed
forms for the characteristic function of the log price.

16
References
[1] Bakshi, Gurdip and Zhiwu Chen (1997), \An Alternative Valuation
Model for Contingent Claims," Journal of Financial Economics, 44, 1,
123-165.

[2] Bakshi, Gurdip and Dilip B. Madan (1999), \Spanning and Derivative
Security Valuation," forthcoming Journal of Financial Economics.

[3] Barndor®-Nielsen O.E. (1997), \Processes of Normal Inverse

Gaussian Type," Finance and Stochastics, 2, 41-68.

[4] Black, Fischer and Myron Scholes (1973), \The Pricing of Options and
Corporate Liabilities," Journal of Political Economy, 81, 637-659.

[5] Bates, David (1996), \Jumps and Stochastic Volatility: Exchange

Rate Processes Implicit in Deutschemark Options," Review of
Financial Stud-ies, 9, 69-108.

[6] Chen, Ren-Raw and Louis Scott (1992), \Pricing Interest Rate
Options in a Two-Factor Cox-Ingersoll-Ross Model of the Term
Structure," Re-view of Financial Studies, 5, 613-636.

[7] Geman, Helyette, Dilip Madan, and Marc Yor (1998), \Asset Prices
are Brownian motion: Only in Business time: ," Working Paper,
University of Maryland, College Park, MD 20742.

[8] Heston, Steven (1993), \A Closed-Form Solution for Options with

Stochastic Volatility with Applicatons to Bond and Currency
Options," Review of Financial Studies, 6, 327-343.

[9] Madan, Dilip, B., Peter Carr, and Eric C. Chang (1998), \The Vari-
ance Gamma Process and Option Pricing," European Finance
Review, forthcoming.

[10] Madan, Dilip B., and Frank Milne (1991), \Option Pricing with VG
Martingale Components," Mathematical Finance, 1, 39-55.

[11] Madan, Dilip, B. and Eugene Seneta (1990), \The Variance Gamma
(V.G.) Model for Share Market Returns," Journal of Business, 63, 4,
511-524.

17
[12] McCulloch, J. H. (1978), \Continuous Time Processes with Stable
In-crements," Journal of Business, 51, 4, 601-620.

[13] Scott, Louis (1997), \Pricing Stock Options in a Jump-Di®usion

Model with Stochastic Volatility and Interest Rates: Application of
Fourier Inversion Methods," Mathematical Finance, 7, 413-426.

[14] Walker, James S., (1996) Fast Fourier Transforms, CRC Press,
Boca Raton, Florida.

18