Сложные модели стохастической волатильности и прыжковой диффузии часто невозможно откалибровать классическим методом максимального правдоподобия (MLE), поскольку функция правдоподобия включает многомерные интегралы по скрытым состояниям (например, невидимым траекториям дисперсии). На помощь приходит байесовский вывод и алгоритмы Монте-Карло с марковскими цепями (Markov Chain Monte Carlo, MCMC), позволяющие извлекать параметры модели из эмпирических данных с беспрецедентной точностью.

В задачах, где два экономических агента (например, маркет-мейкер и информированный трейдер, или компания и регулятор) конкурируют в непрерывной стохастической среде, классическая теория оптимального управления переходит в теорию стохастических дифференциальных игр. Математическим аппаратом для поиска равновесных стратегий в таких играх служат нелинейные уравнения в частных производных Гамильтона-Якоби-Беллмана-Айзекса (HJBI).

Метод Карра-Мадана, предложенный в 1999 году, произвел революцию в вычислительных финансах, позволив оценивать целые спектры опционов за доли секунды с использованием аппарата быстрого преобразования Фурье (FFT). Этот подход особенно важен для моделей прыжковой диффузии и процессов Леви, где плотность вероятности цены неизвестна, но существует аналитическое выражение для ее характеристической функции.