In this paper, we propose a delta-hedging strategy for a long memory stochastic volatility model (LMSV). This is a model in which the volatility is driven by a fractional Ornstein–Uhlenbeck process with long-memory parameter H. We compute the so-called hedging bias, i.e. the difference between the Black–Scholes Delta and the LMSV Delta as a function of H, and we determine when a European-type option is over-hedged or under-hedged.

中文翻译：

---

部分波动率模型中的 Delta 对冲

在本文中，我们提出了一种用于长记忆随机波动率模型 (LMSV) 的 delta 对冲策略。这是一个模型，其中波动率由具有长记忆参数H的分数 Ornstein-Uhlenbeck 过程驱动。我们计算所谓的对冲偏差，即作为H函数的 Black-Scholes Delta 和 LMSV Delta 之间的差异，我们确定欧式期权何时过度对冲或对冲不足。