Todas las guías de opciones
Incertidumbre del modelo12 min de lectura
Riesgo de modelo y calibración de opciones
Entiende de dónde nace el riesgo de modelo, qué demuestra la calibración, por qué los parámetros son inestables y cómo validar precios y griegas
Preparado por Mark · Fuentes principales al final
Respuesta directa
El riesgo de modelo aparece cuando estructura, datos, parámetros, cálculo o uso distorsionan un precio, una griega o una cobertura. Calibrar ajusta cotizaciones elegidas; no demuestra que el modelo sea verdadero ni predictivo
Un modelo es una herramienta, no la verdad del mercado
Un modelo transforma supuestos sobre trayectorias, volatilidad, tipos, dividendos y ejercicio en precios y sensibilidades
Puede ser útil sin ser literalmente cierto. Todo modelo omite detalles y su importancia cambia según strike, vencimiento y régimen de mercado
La pregunta práctica no es si es perfecto, sino si sus simplificaciones están controladas para la decisión, exposición y horizonte concretos
El riesgo de modelo tiene varias capas
El riesgo de especificación nace del proceso: volatilidad constante, trayectorias continuas, un solo factor o correlación fija pueden no ser adecuados
Datos y parámetros incluyen cotizaciones viejas, dividendos erróneos, curvas de financiación malas y coeficientes inestables. Mallas, solvers y código añaden riesgo numérico
Hay riesgo de uso al llevar un modelo para opciones europeas líquidas a barreras, carteras concentradas, crisis o contratos con otras reglas de ejercicio
Calibrar es resolver un problema inverso ponderado
La calibración elige parámetros que reducen la diferencia entre el modelo y precios o volatilidades implícitas seleccionados
El resultado depende de cotizaciones, tratamiento de horquillas, métrica, pesos, límites, optimizador y de medir el error en precio o volatilidad
Un ajuste dentro de la horquilla puede ser suficiente, pero no identifica el proceso real. La horquilla es un rango de ejecución, no un certificado de verdad
Un buen ajuste puede ocultar identificación débil
Parámetros distintos pueden dar casi el mismo precio en strikes líquidos, pero divergir en alas extrapoladas, sonrisas futuras y ratios de cobertura
Es un problema de identificación: los contratos observados no contienen información independiente suficiente para precisar cada parámetro
Comprueba estabilidad entre fechas, puntos iniciales, pesos y subconjuntos. Mucho cambio paramétrico con poca mejora de precio revela una interpretación frágil
La validación debe salir de la muestra
Revalora strikes y vencimientos reservados, compara errores con horquillas y repite fuera del tiempo en vez de elegir una instantánea favorable
Validar precios no basta. Prueba griegas, escenarios, P&L de cobertura y fronteras porque un error pequeño de precio puede convivir con una sensibilidad grande
Implementaciones independientes y contratos de referencia separan límites del modelo de errores de código, convención o canal de datos
Comparar modelos convierte incertidumbre en rango
Ajusta varios modelos defendibles, cambia decisiones de calibración y estresa parámetros poco identificados. La dispersión revela dependencia de una especificación
En una vanilla líquida mandan las cotizaciones. En un exótico o ala ilíquida, la dispersión entre modelos puede justificar una reserva material
Presenta un valor central con supuestos, alternativas y condiciones de fallo. Un rango honesto suele ser más útil que más decimales
La gobernanza hace visible la incertidumbre
Registra versión, datos, hora, convenciones, pesos, errores y ajustes manuales para que otra persona pueda reproducir el resultado
Define validación independiente, límites de aprobación y exposición, y métodos alternativos. Movimientos anómalos de parámetros o residuos exigen revisión
Separa el valor del modelo de una cotización ejecutable. Liquidez, tamaño, horquilla, impacto, financiación y contraparte pueden dominar la diferencia teórica
Preguntas frecuentes
¿Qué es el riesgo de modelo en opciones?
Es el riesgo de que estructura, datos, parámetros, cálculo o uso produzcan valoraciones, sensibilidades o coberturas materialmente engañosas
¿Calibrar equivale a pronosticar?
No. Calibrar explica una instantánea bajo un modelo; pronosticar pregunta cómo evolucionarán precios o estados después
¿Por qué dos modelos calibrados dan precios distintos?
Pueden ajustar igual los contratos líquidos e imponer dinámicas diferentes de trayectoria, cola, volatilidad o correlación al contrato sin cotización
¿Cómo se reduce el riesgo de modelo?
Con datos limpios, ajuste estable, pruebas reservadas, validación independiente, modelos alternativos, estrés, límites y registros reproducibles
Fuentes
Aplique esta idea a una opción
Elija un contrato y un objetivo para mantener visibles los supuestos de precio, tiempo y volatilidad en un mismo análisis
Analizar mi opción en inglés