iCOS: Option-Implied COS Method
iCOS：期权隐含的傅里叶余弦方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接估计期权价格、风险中性密度和敏感度，并分析 VIX 波动率指数误差。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
iCOS：期权隐含的傅里叶余弦方法
- 研究问题
- 如何直接利用期权价格非参数估计风险中性密度、期权价格与敏感度，并分析 VIX 指数中的观测及离散化误差？
- 方法与思路
- 作者以期权隐含余弦级数系数构建 iCOS 方法，推导估计量的渐近性质，通过蒙特卡洛和指数、个股期权应用评估。
- 材料陈述的贡献
- 摘要称，该方法不设定标的价格动态模型且无需数值优化，并可从期权价格提取信息及分解量化 VIX 的相关误差。
- 阅读关注点
- 应核对隐含系数的恢复条件、行权价覆盖与截断处理、噪声及离散化如何进入渐近分析，以及 VIX 误差分解的定义。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；不设定价格动态不等于无任何条件，摘要未说明完整估计限制。
原文摘要
This paper proposes the option-implied Fourier-cosine method, iCOS, for non-parametric estimation of risk-neutral densities, option prices, and option sensitivities. The iCOS method leverages the Fourier-based COS technique, proposed by Fang and Oosterlee (2008), by utilizing the option-implied cosine series coefficients. Notably, this procedure does not rely on any model assumptions about the underlying asset price dynamics, it is fully non-parametric, and it does not involve any numerical optimization. These features make it rather general and computationally appealing. Furthermore, we derive the asymptotic properties of the proposed non-parametric estimators and study their finite-sample behavior in Monte Carlo simulations. Our empirical analysis using S&P 500 index options and Amazon equity options illustrates the effectiveness of the iCOS method in extracting valuable information from option prices under different market conditions. Additionally, we apply our methodology to dissect and quantify observation and discretization errors in the VIX index.