#定义变量

#初始股票价格S0 换股价k 期限长度T 债券价格W 无风险利率r 债券利率R 股票波动率sigma 行权期数d

LSM2

{

#对债券每一期赋值

debt

debt[d]

for (k in (d-1):1)

{debt[k]=(debt[k+1]+exp(R*T/d))*exp(-r*T/d)}

#设置路径，计算期权价格

S

f

p

pv

price

#设置最后一期状态

z

S[d,1:1000]=S0*exp((r-sigma^2/2)*k*T/t+sigma*sqrt(k*T/d)*z)

for ( u in 1:1000)

{ if (S[d,u]>=K) {P[d,1:1000]=100/K*S[d,u]} else {P[d,u]=debt[d]} }

#生成标准正态分布随机数1000个，生成股票价格路径

for(k in d-1:1)

{

z

S[k,1:1000]=S0*exp((r-sigma^2/2)*k*T/t+sigma*sqrt(k*T/d)*z)

#继续持有的债券在下一期的期望价值

parameter

estimated

for(u in 1:1000)

{ #处理回售、赎回条件后的下一期期望债券价值f

if (estimated[u]>=RDPrate*K) {f[k+1,u]

else if (estimated[u]>K & estimated[u]

else if (estimated[u]PUTrate*K) {f[k+1,u]

else {f[k+1,u]

#比较转股和继续持有得到当期最优价值p

if (S[k,u]>=K) {p[k,u]=max ( 100/K*S[k,u], f[k+1,u]*exp(-r*T/d) )}

if (S[k,u]< K)  {p[k,u]=max ( debt[k], f[k+1,u]*exp(-r*T/d)    ) }}

#求得所有路径下各个状态的平均期望现值

pv[k,]

price

EBprice

error

data.frame(EBprice, error)}

LSM2