Precificação de opções com função característica: explicação
Entenda como funções características neutras ao risco codificam distribuições, permitem inversão de Fourier e se transformam em preços de opções por meio das transformadas de payoff
Resposta direta
Uma função característica φ(u)=E[e^{iuX}] codifica unicamente a distribuição de um log-preço sob a medida de precificação escolhida. A inversão de Fourier combina essa transformada com um payoff transformado para recuperar o valor descontado de uma opção
A função característica armazena uma distribuição
Para uma variável aleatória real X, φ(u)=E[e^{iuX}] é definida para toda frequência real u porque o módulo da exponencial complexa é um.
Ao contrário de uma função geradora de momentos, ela não exige momentos exponenciais finitos apenas para existir na reta real.
Seus valores em todas as frequências determinam unicamente a lei de X e codificam simultaneamente localização, dispersão, assimetria, caudas e descontinuidades.
A medida de precificação e a variável de estado vêm primeiro
Para um payoff europeu h(S_T), um preço neutro ao risco básico é E^Q[e^{-∫r ds}h(S_T)] sob condições que sustentem essa medida.
Métodos de transformada frequentemente definem X_T=log S_T ou um log-preço a termo, mas o desconto e a convenção exata de numerário precisam ser compatíveis com a transformada.
Uma função característica sob a medida física não pode ser inserida em um preço neutro ao risco sem que a mudança de medida tenha sido especificada corretamente.
A inversão de Fourier recupera probabilidades e densidades
Quando há regularidade suficiente, uma integral de Fourier inversa recupera a densidade a partir de φ; funções de distribuição também podem ser recuperadas por fórmulas de inversão.
A inversão de Gil–Pelaez expressa probabilidades de cauda ou acumuladas por meio de uma integral que envolve a parte imaginária de e^{-iux}φ(u)/u.
Essas são integrais impróprias; por isso, o comportamento perto de zero e em frequências altas exige limites analíticos e cuidado numérico.
Payoffs precisam de um tratamento próprio na transformada
Um payoff de call cresce com S_T; sua transformada de Fourier não é integrável na reta real simples sem amortecimento ou deslocamento de contorno.
É possível transformar um preço amortecido, transformar o payoff em uma faixa adequada ou decompor a call em probabilidades descontadas do ativo e do strike.
Fórmulas diferentes podem ser matematicamente equivalentes mesmo usando sinais, normalizações, variáveis de estado e argumentos complexos diferentes.
A tratabilidade do modelo entra por meio de φ
Black–Scholes, Heston, difusões afins com saltos e muitos modelos de Lévy fornecem funções características com mais facilidade que densidades de transição.
A função característica reflete as premissas do modelo, os parâmetros neutros ao risco, o horizonte, o estado inicial e eventuais correlações ou compensadores de saltos.
Conhecer φ é uma vantagem computacional, não uma evidência de que a dinâmica escolhida se ajuste aos preços de opções observados ou aos retornos futuros.
A inversão numérica cria um orçamento de erro
Limites finitos de integração criam erro de truncamento, o espaçamento de frequências cria erro de quadratura e as grades FFT podem acrescentar erro de aliasing e interpolação.
Cancelamentos oscilatórios e ramos do logaritmo complexo podem produzir preços aparentemente suaves, mas errados, se forem tratados de modo inconsistente.
Quadratura adaptativa, variáveis de controle, amortecimento, fórmulas alternativas e maior precisão lidam com erros diferentes, e não com um único defeito universal.
A validação precisa ir além de um preço
Verifique φ(0)=1, a simetria conjugada φ(−u)=overline{φ(u)} e o momento de martingale exigido pela convenção para o preço do ativo.
Compare com Black–Scholes ou outro limite conhecido, paridade put-call, monotonicidade, convexidade e um método numérico independente.
Depois, varie limites, grades, amortecimento, tolerâncias, vencimentos e strikes; os dígitos estáveis devem sobreviver a mudanças computacionais razoáveis.
Perguntas frequentes
O que é uma função característica?
É φ(u)=E[e^{iuX}], uma transformada de valores complexos que determina unicamente a distribuição de probabilidade de X.
Por que usá-la para precificar opções?
Muitos modelos realistas fornecem φ em forma fechada ou semifechada, mesmo quando sua densidade de transição e sua esperança do payoff não estão diretamente disponíveis.
Uma função característica é igual a uma função geradora de momentos?
Não. A função característica usa um argumento imaginário e existe para u real, enquanto uma MGF pode falhar quando os momentos exponenciais divergem.
Posso precificar uma call invertendo φ diretamente?
Não sem tratar o payoff, a medida, o desconto e a integrabilidade; calls normalmente exigem amortecimento, deslocamento de contorno ou uma decomposição em probabilidades.