Opsi Model Risiko dan Kalibrasi Dijelaskan
Pelajari dari mana risiko model opsi berasal, kalibrasi apa yang sebenarnya terbukti, mengapa parameter bisa tidak stabil, dan bagaimana memvalidasi harga dan Yunani
Jawaban langsung
Risiko model opsi adalah kemungkinan bahwa struktur, data, parameter, numerik, atau penyalahgunaan menghasilkan harga yang menyesatkan, Yunani, atau lindung nilai. Kalibrasi hanya menemukan model yang cocok untuk penawaran yang dipilih; itu tidak membuktikan model itu benar atau prediksi
Model adalah alat keputusan, bukan kebenaran pasar
Model opsi mengubah asumsi tentang jalur harga, volatilitas, suku bunga, dividen, dan latihan menjadi harga dan sensitivitas
Setiap model menghapus detail, dan detail yang dihilangkan dapat berbeda tergantung pada strike, maturitas, atau rezim pasar
Pertanyaan praktis bukan apakah model sempurna, melainkan apakah penyederhanakannya dikendalikan cukup baik untuk keputusan, eksposur, dan cakrawala waktu
Model risiko memiliki beberapa lapisan
Risiko spesifikasi berasal dari proses itu sendiri: volatilitas konstan, jalur terus menerus, satu faktor, atau korelasi tetap mungkin tidak sesuai
Risiko input dan parameter termasuk penawaran lama, perkiraan dividen yang lemah, kurva pendanaan yang buruk, dan koefisien yang tidak stabil.
Risiko penggunaan muncul ketika model yang dibangun untuk opsi likuid Eropa diterapkan pada hambatan, buku terkonsentrasi, pasar yang tertekan, atau kontrak dengan aturan latihan yang berbeda
Kalibrasi adalah masalah terbalik tertimbang
Kalibrasi memilih parameter yang mengurangi perbedaan antara nilai model dan harga pasar yang dipilih atau volatilitas tersirat
Jawaban tergantung pada set penawaran, pengolahan bid-ask, metrik kesalahan, berat, batas parameter, optimalis, dan apakah kesalahan diukur dalam unit harga atau volatilitas
Sebuah fit di dalam spread dapat diterima secara ekonomi, tetapi tidak mengidentifikasi proses penghasil data. spread adalah rentang eksekusi, bukan sertifikat kebenaran
Persamaan yang baik bisa menyembunyikan identitas lemah
Kombinasi parameter yang berbeda dapat menghasilkan harga hampir identik pada strikes cair. sayap mereka yang diekstrapolasi, senyum ke depan, dan rasio lindung nilai masih mungkin berbeda
Ini adalah masalah identifikasi: kontrak yang diamati tidak mengandung informasi independen yang cukup untuk menentukan setiap parameter dengan tepat
Periksa stabilitas parameter pada tanggal, nilai awal, berat, dan subset penawaran. Gerak besar dengan sedikit peningkatan harga adalah bukti interpretasi rapuh
Validasi harus meninggalkan sampel kalibrasi
Reprice strikes dan maturities yang ditunda, bandingkan kesalahan dengan bid-ask lebar, dan ulangi latihan di luar waktu daripada pada satu snapshot menguntungkan
Validasi harga saja tidak lengkap. Tes Yunani, respons skenario, lindung nilai P&L, dan perilaku dekat batas karena kesalahan harga kecil dapat berkoexist dengan kesalahan sensitivitas besar
Pemeriksaan implementasi independen dan instrumen benchmark membantu memisahkan keterbatasan model dari kesalahan pengkodean, konvensi, dan pipa data
Perbandingan model mengubah ketidakpastian menjadi kisaran
Cocok untuk lebih dari satu model yang dapat dipertahankan, opsi kalibrasi bervariasi, dan menekankan parameter yang kurang teridentifikasi.
Untuk vanilla cair, harga pasar dapat mendominasi perbedaan model. Untuk sayap eksotik atau tidak cair, dispersi model dapat menjadi cadangan penilaian material
Laporan nilai sentral dengan asumsi, alternatif, dan kondisi kegagalan.
Pemerintahan membuat ketidakpastian terlihat
Versi model rekaman, input, timestamp, konvensi, berat obyektif, kesalahan pas, dan overrides sehingga reviewer lain dapat mereproduksi hasil
Tentukan validasi independen, batas persetujuan, batas paparan, dan metode fallback.
Akhirnya, memisahkan nilai model dari penawaran yang dapat dieksekusi.
Pertanyaan umum
Apa risiko model opsi?
Risiko bahwa struktur model, input, parameter, numerik, atau penggunaan menghasilkan penilaian, sensitivitas, atau hasil lindung nilai yang menyesatkan secara materiil
Apakah kalibrasi sama dengan ramalan?
Kalibrasi menjelaskan snapshot pasar yang dipilih di bawah model, sementara perkiraan bertanya bagaimana harga atau negara akan berevolusi setelah snapshot itu
Mengapa dua model kalibrasi dapat memberikan harga yang berbeda?
Mereka dapat menyesuaikan instrumen cair dengan cara yang sama sambil memaksakan jalur, ekor, volatilitas, atau dinamika korelasi yang berbeda pada kontrak yang tidak dikutip
Bagaimana risiko model dapat dikurangi?
Gunakan data bersih, kalibrasi stabil, uji coba yang berlangsung, validasi independen, model alternatif, tekanan parameter, batas yang jelas, dan catatan yang dapat direproduksi