Model Volatilitas SABR Dijelaskan

Nama ini menyingkat dari stochastic alpha beta rho. Forward mengikuti difusi elastisitas konstan, sedangkan tingkat volatilitasnya mengikuti proses acak

Kedua kejutan ini berkorelasi. Gerakan sendi ini memungkinkan senyum volatilitas tersirat merespon ketika bergerak ke depan daripada tetap kurva tetap

SABR menjadi menonjol di pasar suku bunga dan valuta asing, di mana penawaran dan pengelolaan senyuman pada masa kadaluarsa dan tenor adalah pusat

Alpha menetapkan skala volatilitas awal. Beta mengontrol bagaimana tingkat ke depan mengubah ukuran fluktuasi harga melalui jangka elastisitas

Rho adalah korelasi antara forward dan volatility shock. Nu, sering disebut vol-of-vol, mengontrol seberapa tidak pasti tingkat volatilitas masa depan

Peran tidak independen. Perubahan yang terlihat pada tingkat senyum, kemiringan, atau kekirangan dapat direproduksi dengan penyesuaian parameter yang berinteraksi

Beta sama dengan satu dalam batas gaya lognormal dan nol dalam batas gaya normal. Opsi menengah mengubah bagaimana volatilitas skala dengan maju

rho negatif cenderung meningkatkan volatilitas tersirat di sisi bawah-menekan relatif ke sisi atas; rho positif cenderung membelokkan senyum ke arah lain

Nu menambahkan kekirangan dengan memperluas distribusi volatilitas masa depan. Efeknya berinteraksi dengan rho dan waktu, jadi tidak harus dibaca dari satu sayap saja

Untuk satu kadaluarsa, kalibrasi menyesuaikan parameter dengan volatilitas pasar yang tersirat di seluruh serangan, sering memperbaiki beta dan memecahkan untuk alpha, rho, dan nu

Fiksasi beta dapat mengurangi ketidakstabilan karena beta dan rho dapat saling menggantikan satu sama lain di rentang serangan terbatas.

Berat, rentang penawaran-permintaan, cakupan mogok, konvensi penawaran normal versus lognormal, shift, dan pembatasan optimasi semua mempengaruhi hasil

Hagan dan rekan penulis memperkenalkan SABR sebagian untuk mengatasi gerakan senyum yang dapat membuat lindung nilai volatilitas lokal berperilaku berbeda dengan pasar yang diamati

Karena ke depan dan kejutan volatilitas berkorelasi, model menghasilkan hubungan bersyarat antara bergerak ke depan dan pergeseran senyum

Hubungan yang cocok masih merupakan skenario, bukan hukum. Tanggapan senyum nyata dapat berubah tergantung pada rezim, kematangan, peristiwa, dan arah atau kecepatan gerakan

SABR sering diterapkan melalui ekspresi asimptotik implied-volatility Hagan daripada integrasi yang tepat dari proses stokastik

Akurasi dapat memburuk untuk jangka panjang, serangan ekstrem, volume tinggi-vol, atau kombinasi parameter yang sulit. Beberapa implementasi juga membutuhkan pergeseran untuk tingkat rendah

Periksa harga, kepadatan, dan kondisi arbitrase statis di domain yang dimaksud penuh. Kesalahan kalibrasi kecil di dekat serangan cair tidak memvalidasi sayap jauh

Memantau stabilitas parameter di tanggal dan masa kadaluarsa tetangga, tetapi tidak memaksa kelancaran yang memperburuk fit quote atau menciptakan ketidakkonsisten kalender

Bandingkan perkiraan dengan nilai-nilai numerik dan model senyuman alternatif.

SABR adalah bahasa yang berguna untuk risiko senyum, bukan proses yang unik.