Application of State Space Hidden Markov Models to the approximation of (embedded) option prices

This thesis discusses dimension reduction of the risk drivers that determine embedded option values by using the class of State Space Hidden Markov Models. As embedded options are typically valued by nested Monte Carlo simulations, this dimension reduction leads to a major reduction in computing time. This is especially important for insurance...

Het schatten van parameters van een marktmodel met Approximate Bayesian Computational methoden

Om de parameters van een model te kunnen schatten aan de hand van een dataset gebruiken we een relatief nieuwe methode, een Approximate Bayesian Computation (ABC) methode. Vervolgens bekijken we twee variaties op de standaard ABC methode. De eerste construeert een Markovketen die onder de juiste omstandigheden convergeert naar de verdeling die...