Risco de modelo e calibração de opções explicados
Aprenda de onde vem o risco de modelo de opções, o que a calibração realmente prova, por que os parâmetros podem ser instáveis e como validar preços e gregas
Resposta direta
Risco de modelo de opções é a possibilidade de que a estrutura, os dados, os parâmetros, os cálculos numéricos ou o uso do modelo produzam um preço, uma grega ou um hedge enganoso. A calibração encontra apenas um ajuste do modelo a cotações selecionadas; ela não prova que o modelo é verdadeiro ou preditivo
Um modelo é uma ferramenta de decisão, não a verdade do mercado
Um modelo de opções transforma premissas sobre trajetórias de preço, volatilidade, taxas, dividendos e exercício em preços e sensibilidades
Esse mapa pode ser útil sem ser literalmente verdadeiro. Todo modelo remove detalhes, e os detalhes omitidos podem importar de forma diferente por strike, vencimento ou regime de mercado
A pergunta prática não é se um modelo é perfeito. É se suas simplificações são controladas o suficiente para a decisão, a exposição e o horizonte de tempo
O risco de modelo tem várias camadas
O risco de especificação vem do próprio processo: volatilidade constante, trajetórias contínuas, um fator ou uma correlação fixa podem ser inadequados
O risco de dados e parâmetros inclui cotações desatualizadas, estimativas fracas de dividendos, curvas de funding ruins e coeficientes instáveis. O risco numérico inclui grades, solvers e erros de código
O risco de uso aparece quando um modelo criado para opções europeias líquidas é aplicado a barreiras, carteiras concentradas, mercados estressados ou contratos com regras de exercício diferentes
A calibração é um problema inverso ponderado
A calibração escolhe parâmetros que reduzem as diferenças entre os valores do modelo e preços de mercado ou volatilidades implícitas selecionados
O resultado depende do conjunto de cotações, do tratamento do bid-ask, da métrica de erro, dos pesos, dos limites dos parâmetros, do otimizador e de os erros serem medidos em unidades de preço ou volatilidade
Um ajuste dentro do spread pode ser economicamente aceitável, mas não identifica o processo que gerou os dados. O spread é um intervalo de execução, não um certificado de verdade
Um bom ajuste pode esconder uma identificação fraca
Combinações diferentes de parâmetros podem produzir preços quase idênticos em strikes líquidos. Suas asas extrapoladas, smiles a termo e razões de hedge ainda podem divergir
Esse é um problema de identificação: os contratos observados não contêm informação independente suficiente para fixar cada parâmetro com precisão
Verifique a estabilidade dos parâmetros entre datas, valores iniciais, pesos e subconjuntos de cotações. Uma grande mudança com pouca melhoria na precificação é evidência de uma interpretação frágil
A validação precisa sair da amostra de calibração
Reprecifique strikes e vencimentos reservados, compare os erros com as larguras de bid-ask e repita o exercício fora da amostra temporal, em vez de usar um único retrato favorável
A validação de preço sozinha é incompleta. Teste gregas, respostas a cenários, P&L de hedge e comportamento perto dos limites, porque um pequeno erro de preço pode coexistir com um grande erro de sensibilidade
Verificações de implementação independente e instrumentos de referência ajudam a separar limitações do modelo de erros de código, convenção e pipeline de dados
A comparação de modelos transforma incerteza em intervalo
Ajuste mais de um modelo defensável, varie as escolhas de calibração e estresse parâmetros mal identificados. A dispersão revela decisões que dependem de uma única especificação conveniente
Para uma opção vanilla líquida, as cotações de mercado podem dominar as diferenças entre modelos. Para uma asa exótica ou ilíquida, a dispersão dos modelos pode se tornar uma reserva de avaliação relevante
Informe um valor central com premissas, alternativas e condições de falha. Um intervalo costuma ser mais honesto e acionável que casas decimais adicionais
A governança torna a incerteza visível
Registre a versão do modelo, inputs, horários, convenções, pesos do objetivo, erros de ajuste e overrides para que outro revisor consiga reproduzir o resultado
Defina validação independente, limites de aprovação, limites de exposição e métodos de fallback. A recalibração deve acionar uma revisão quando parâmetros ou resíduos se moverem de forma anormal
Por fim, separe o valor do modelo de uma cotação executável. Liquidez, tamanho, spread, impacto de mercado, funding e termos da contraparte podem dominar a diferença teórica
Perguntas frequentes
O que é risco de modelo de opções?
É o risco de que a estrutura, os inputs, os parâmetros, os cálculos numéricos ou o uso do modelo produzam resultados materialmente enganosos de avaliação, sensibilidade ou hedge
Calibração é o mesmo que previsão?
Não. A calibração explica um retrato de mercado selecionado sob um modelo, enquanto a previsão pergunta como os preços ou estados evoluirão depois desse retrato
Por que dois modelos calibrados podem dar preços diferentes?
Eles podem ajustar instrumentos líquidos de forma semelhante e, ao mesmo tempo, impor dinâmicas diferentes de trajetória, cauda, volatilidade ou correlação a um contrato não cotado
Como reduzir o risco de modelo?
Use dados limpos, calibração estável, testes fora da amostra, validação independente, modelos alternativos, estresse de parâmetros, limites claros e registros reproduzíveis