ScholarGate
Asszisztens
Machine learningMonte Carlo Methods

ALIGNMENT ISSUE: All 34 Hungarian elements must be re-indexed to match EN positions 0-33. Currently TR[i] contains EN[i+1] content.

Az amerikai opciók kulcsfontosságú kihívása annak eldöntése, hogy most gyakoroljuk-e, vagy tartsuk-e későbbi magasabb kifizetés reményében. A Longstaff-Schwartz becsli a folytatási értéket (a megtartás esetén várható jövőbeli kifizetés) a szimulált pályákon futó visszamenőleges regresszióval. Minden csomópontban az opciótulajdonos összehasonlítja a azonnali kifizetést a becsült folytatási értékkel, és akkor gyakorol, ha az azonnali kifizetés magasabb.

Alkalmazás ezzel: EconMindHamarosanApply, compare, get guidance
Tools & resources
Diák letöltése
Learn & explore
VideóHamarosan

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Módszertérkép

A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.

Források

  1. Longstaff, F. A., & Schwartz, E. S. (2001). Valuing American options by simulation: A simple least-squares approach. Review of Financial Studies, 14(1), 113-147. DOI: 10.1093/rfs/14.1.113
  2. Clements, D. J., & Minca, A. (2008). A simulation approach to estimating near-optimal valuation functions for Bermudan options. Journal of Computational Finance, 12(2), 73-96. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Longstaff-Schwartz Least-Squares Monte Carlo. ScholarGate. https://scholargate.app/hu/quantitative-finance/longstaff-schwartz-method

Melyik módszer?

Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.

Összehasonlítás egymás mellett
ScholarGateLongstaff-Schwartz Method (Longstaff-Schwartz Least-Squares Monte Carlo). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/quantitative-finance/longstaff-schwartz-method · Adatkészlet: https://doi.org/10.5281/zenodo.20539026