Greeks numériques pour la valorisation des options expliqués
Découvrez comment le bump-and-revalue, les méthodes trajectorielle, du ratio de vraisemblance et adjointe estiment les Greeks d'options, et comment diagnostiquer l'erreur numérique
Réponse directe
Les Greeks numériques estiment les dérivées de la valeur d'une option lorsqu'aucune formule analytique n'est disponible. Bump-and-revalue, méthodes trajectorielle, du ratio de vraisemblance et adjointe échangent biais, variance, exigences de régularité et coût de calcul
Un Greek est une dérivée d'une règle de valorisation
Le delta dérive la valeur par rapport au spot, le vega par rapport à une coordonnée de volatilité et le rho par rapport à une entrée de taux. Le gamma dérive une seconde fois par rapport au spot
La dérivée appartient à un modèle, une construction de données de marché et une convention de détention spécifiés. Changer la règle de surface de volatilité peut changer le Greek
Les dérivées sous forme fermée sont pratiques, mais les gains complexes, les modèles calibrés, l'exercice anticipé et les grands portefeuilles exigent souvent des estimations numériques
Bump-and-revalue est la référence universelle
Augmentez une entrée d'une petite quantité h, revalorisez et comparez à la valeur de base. Un delta central utilise [V(x+h) − V(x−h)] / 2h
Le gamma utilise une différence seconde, tandis que les différences unilatérales aident aux frontières ou lorsqu'une seule direction est valide
La méthode traite le pricer comme une boîte noire et fonctionne largement, mais chaque facteur de risque peut exiger des valorisations complètes supplémentaires
Le pas équilibre l'erreur de troncature et le bruit numérique
Un bump important mesure une courbure sur un intervalle large plutôt que la dérivée locale et crée un biais de troncature
Un bump minuscule soustrait des prix presque égaux et amplifie l'arrondi, la tolérance du solveur, le bruit d'interpolation et l'erreur d'échantillonnage Monte-Carlo
Exécutez une échelle de bumps et recherchez une zone stable. Le meilleur h dépend des unités, de l'ordre du Greek, de la régularité du gain et de la précision numérique
Les nombres aléatoires communs réduisent le bruit Monte-Carlo
Lors de la revalorisation de scénarios choqués, réutilisez les mêmes nombres aléatoires afin que les différences de trajectoires reflètent le changement d'entrée plutôt que des échantillons sans rapport
Ce couplage peut réduire fortement la variance, mais il ne supprime ni le biais du bump fini ni les problèmes de gain discontinu
Présentez les erreurs standard du Greek lui-même. Une estimation de prix apparemment stable peut tout de même produire une différence bruyante après division par h
Les dérivées trajectorielles dérivent chaque gain simulé
La méthode trajectorielle dérive les états simulés et les valeurs de gain sur chaque trajectoire, puis fait la moyenne de ces échantillons de dérivée
Elle peut être efficace pour des gains réguliers et estimer plusieurs sensibilités à partir d'une simulation, mais l'échange entre dérivée et espérance exige certaines conditions
Les indicatrices digitales, les barrières, les décisions d'exercice et les cassures de calibration peuvent rompre la différentiation trajectorielle ordinaire ou nécessiter un lissage et un traitement spécialisé
Les estimateurs du ratio de vraisemblance dérivent les probabilités
La méthode du ratio de vraisemblance dérive la densité simulée plutôt que le gain, en multipliant le gain par une fonction score
Elle peut traiter certains gains discontinus qui compliquent les dérivées trajectorielles, car le gain lui-même n'a pas besoin d'être dérivé
Sa variance peut être élevée, notamment pour les risques d'ordre supérieur ou très hors de la monnaie. Des estimateurs hybrides peuvent combiner les points forts des deux méthodes
Les méthodes adjointes inversent le calcul de sensibilité
La différentiation algorithmique adjointe propage les sensibilités à rebours dans le calcul de valorisation, de façon comparable à la différentiation en mode inverse
Elle est particulièrement intéressante lorsqu'un petit nombre de sorties de portefeuille dépend de nombreux paramètres de marché, comme les piliers de courbe ou les nœuds de surface de volatilité
La mémoire, les branchements, les solveurs itératifs, la calibration et la logique non lisse exigent une implémentation réfléchie. La différentiation automatique ne garantit pas une définition pertinente du risque
La validation nécessite des méthodes indépendantes et des invariants
Comparez les Greeks numériques à des références analytiques pour des contrats simples, puis contrôlez les gains de production avec un second estimateur ou un choc de revalorisation plus important
Testez le signe, les unités, l'échelle, les sensibilités de la parité put-call, l'agrégation, la symétrie du bump, la convergence, les erreurs standard et le comportement près des frontières du gain
Enregistrez ce qui bouge lorsqu'une entrée est choquée. Les vegas ou deltas sticky-strike, sticky-delta, recalibrés et à surface figée répondent à des questions différentes
Questions fréquentes
Qu'est-ce que bump-and-revalue ?
Cela consiste à modifier une entrée du modèle, relancer la valorisation et diviser la variation de prix par la variation de l'entrée pour approximer une sensibilité
Quelle doit être la taille d'un bump de Greek ?
Elle doit être assez petite pour rester locale, mais assez grande pour dominer le bruit numérique. Une échelle de tailles est plus sûre qu'un réglage arbitraire unique
Que sont les Greeks trajectoriels et du ratio de vraisemblance ?
Les méthodes trajectorielles dérivent les gains simulés, tandis que les méthodes du ratio de vraisemblance dérivent la densité de probabilité utilisée pour générer les trajectoires
Pourquoi utiliser la différentiation adjointe pour les Greeks ?
Elle peut calculer efficacement les sensibilités à de nombreuses entrées lorsqu'il existe relativement peu de valeurs de sortie, même si les détails d'implémentation restent importants