Rischio del modello delle opzioni e calibrazione spiegati
Scopri da dove nasce il rischio del modello delle opzioni, cosa dimostra davvero la calibrazione, perché i parametri possono essere instabili e come validare prezzi e Greeks
Risposta diretta
Il rischio del modello di un'opzione è la possibilità che struttura, dati, parametri, numerica o uso improprio producano un prezzo, un Greek o una copertura fuorvianti. La calibrazione trova solo un fit del modello a quotazioni selezionate; non dimostra che il modello sia vero o predittivo
Un modello è uno strumento decisionale, non la verità del mercato
Un modello di opzioni converte ipotesi su percorsi dei prezzi, volatilità, tassi, dividendi ed esercizio in prezzi e sensibilità
Questa mappa può essere utile senza essere letteralmente vera. Ogni modello rimuove dettagli e i dettagli omessi possono contare in modo diverso per strike, scadenza o regime di mercato
La domanda pratica non è se un modello sia perfetto. È se le sue semplificazioni siano controllate abbastanza per la decisione, l'esposizione e l'orizzonte temporale
Il rischio del modello ha diversi livelli
Il rischio di specificazione nasce dal processo stesso: volatilità costante, percorsi continui, un fattore o una correlazione fissa possono essere inadeguati
Il rischio di input e parametri include quotazioni datate, stime deboli dei dividendi, curve di finanziamento errate e coefficienti instabili. Il rischio numerico include griglie, solver ed errori di codice
Il rischio d'uso appare quando un modello costruito per opzioni europee liquide viene applicato a barriere, book concentrati, mercati sotto stress o contratti con regole di esercizio diverse
La calibrazione è un problema inverso ponderato
La calibrazione sceglie parametri che riducono le differenze tra valori del modello e prezzi di mercato o volatilità implicite selezionati
La risposta dipende dall'insieme di quotazioni, dal trattamento del denaro-lettera, dalla metrica dell'errore, dai pesi, dai limiti dei parametri, dall'ottimizzatore e dal fatto che gli errori siano misurati in unità di prezzo o volatilità
Un fit dentro lo spread può essere economicamente accettabile, ma non identifica il processo generatore dei dati. Lo spread è un intervallo di esecuzione, non un certificato di verità
Un buon fit può nascondere un'identificazione debole
Combinazioni diverse di parametri possono produrre prezzi quasi identici sugli strike liquidi. Le loro ali estrapolate, smile forward e rapporti di copertura possono comunque divergere
Questo è un problema di identificazione: i contratti osservati non contengono informazioni indipendenti sufficienti per determinare con precisione ogni parametro
Controlla la stabilità dei parametri tra date, valori iniziali, pesi e sottoinsiemi di quotazioni. Un grande movimento con poco miglioramento della prezzatura è evidenza di un'interpretazione fragile
La validazione deve uscire dal campione di calibrazione
Ricalcola strike e scadenze tenuti da parte, confronta gli errori con le ampiezze denaro-lettera e ripeti l'esercizio fuori campione temporale invece che su una singola istantanea favorevole
La sola validazione del prezzo è incompleta. Testa Greeks, risposte agli scenari, P&L della copertura e comportamento vicino ai limiti perché un piccolo errore di prezzo può coesistere con un grande errore di sensibilità
Controlli indipendenti dell'implementazione e strumenti benchmark aiutano a separare i limiti del modello da errori di codice, convenzione e pipeline dati
Il confronto tra modelli trasforma l'incertezza in un intervallo
Calibra più di un modello difendibile, varia le scelte di calibrazione e sottoponi a stress i parametri poco identificati. La dispersione rivela le decisioni che dipendono da una sola specifica conveniente
Per una vanilla liquida, le quotazioni di mercato possono dominare le differenze tra modelli. Per un'ala esotica o illiquida, la dispersione dei modelli può diventare una riserva di valutazione rilevante
Riporta un valore centrale con ipotesi, alternative e condizioni di fallimento. Un intervallo è spesso più onesto e azionabile di ulteriori cifre decimali
La governance rende visibile l'incertezza
Registra versione del modello, input, timestamp, convenzioni, pesi dell'obiettivo, errori di fit e override così che un altro revisore possa riprodurre il risultato
Stabilisci validazione indipendente, limiti di approvazione, limiti di esposizione e metodi di fallback. La ricalibrazione dovrebbe attivare una revisione quando parametri o residui si muovono in modo anomalo
Infine, separa un valore del modello da una quotazione eseguibile. Liquidità, quantità, spread, impatto sul mercato, finanziamento e condizioni della controparte possono dominare la differenza teorica
Domande frequenti
Che cos'è il rischio del modello di un'opzione?
È il rischio che struttura, input, parametri, numerica o uso del modello producano risultati materialmente fuorvianti di valutazione, sensibilità o copertura
La calibrazione equivale a una previsione?
No. La calibrazione spiega un'istantanea di mercato selezionata secondo un modello, mentre la previsione chiede come prezzi o stati evolveranno dopo quell'istantanea
Perché due modelli calibrati possono dare prezzi diversi?
Possono adattarsi in modo simile agli strumenti liquidi imponendo però dinamiche diverse di percorso, coda, volatilità o correlazione a un contratto non quotato
Come si può ridurre il rischio del modello?
Usa dati puliti, calibrazione stabile, test su dati tenuti da parte, validazione indipendente, modelli alternativi, stress dei parametri, limiti chiari e registrazioni riproducibili