报 告 人： 许威
报告地点： 数学与统计学院104室
报告时间： 2016年10月15日星期六09:00-10:00
报告简介：Asian options have payoffs that depend strongly on the historical information of the underlying asset price. Although approximated closed form formulas are available with various assumptions, most them do not guarantee the convergence. Thus, binomial tree and PDE methods are two popular numerical solutions for pricing. However, either the PDE method or binomial tree method has the complexity of $O(N^2)$ at least, where $N$ is the number of time steps. In this paper, we propose a first convergent lattice method with the complexity of $O(N^{1.5})$ based on the willow tree method. The corresponding convergence rate and error bounds are also analyzed. It shows that our proposed method can provide the same accuracy as the PDE and binomial tree methods, but requires much less computational time. When a quick pricing is required, our method can give the price with precision in a penny less than half second. Finally, numerical results support our claims.
主讲人简介：
许威，副教授，博导，主要从事金融工程与高性能计算等领域研究。许威博士毕业于复旦大学数学系计算数学专业，并获得理学学士与硕士学位；之后，就读于加拿大麦克马斯特大学计算与软件系，获计算机科学博士学位。2006年9月至2010年2月期间在加拿大滑铁卢大学数学学院做博士后与科研助理工作。2010年3月加入同济大学数学系，主要从事复杂金融衍生品及其投资组合定价与风险管理高性能算法的研究。2014年7月至2016年4月在加拿大滑铁卢大学做访问学者期间，许博士参与了该校与加拿大中宏保险(Manulife)公司关于大规模变年金投资组合风险计算的项目，提出了利用机器学习技术对组合风险进行度量，极大的提高计算的效率。在业界，许威博士与光大证券、海通期货，兴证期货等金融机构有着广泛的合作，并参与了新华社主持的金融云计算平台构建的“十一五”科技部国家科技支撑计划项目，主要负责金融模型库的设计，构建与管理的工作，获得软件著作权一项，申请发明专利一项，主持制订了多项新华社金融数据与金融模型接口的技术标准。目前，许威博士承担国家自然科学基金1项；教育部博士点基金1项，参与国家自然科学基金面上项目2项，以及科技部国家科技支撑计划项目1项，出版中英文著作各一部（《金融风险测量和全面风险管理——理论、应用和监管》，《Automatic Differentiation in MATLAB using ADMAT (with Applications)》），并在金融工程与高性能计算领域SCI/SSCI权威期刊上发表论文近30篇。
