Численные греки для оценки опционов: объяснение

Дельта дифференцирует стоимость по споту, вега — по координате волатильности, а ро — по входу ставки. Гамма ещё раз дифференцирует по споту

Производная относится к заданным модели, построению рыночных данных и соглашению об удержании. Изменение правила поверхности волатильности может изменить грек

Производные в замкнутой форме удобны, но сложные выплаты, калиброванные модели, досрочное исполнение и большие портфели часто требуют численных оценок

Измените один вход на небольшую величину h, переоцените и сравните с базовым значением. Центральная дельта использует [V(x+h) − V(x−h)] / 2h

Гамма использует вторую разность, а односторонние разности помогают на границах или когда допустимо только одно направление

Метод рассматривает прайсер как чёрный ящик и широко применим, но для каждого фактора риска могут потребоваться дополнительные полные переоценки

Большой bump измеряет кривизну на широком интервале, а не локальную производную, и создаёт смещение усечения

Маленький bump вычитает почти равные цены, усиливая ошибки округления, допуск решателя, шум интерполяции и ошибку выборки Монте-Карло

Запустите лестницу bump-значений и найдите устойчивую область. Лучший h зависит от единиц, порядка грека, гладкости выплаты и численной точности

При переоценке сценариев с bump используйте те же случайные числа, чтобы разности по путям отражали изменение входа, а не несвязанные выборки

Такая связка может резко уменьшить дисперсию, но не устраняет смещение конечного bump и не исправляет разрывное поведение выплаты

Отчитывайтесь о стандартных ошибках самого грека. Устойчиво выглядящая оценка цены всё ещё может дать шумную разность после деления на h

Pathwise-метод дифференцирует смоделированные состояния и выплаты на каждом пути, а затем усредняет полученные выборки производных

Он может быть эффективен для гладких выплат и оценивать несколько чувствительностей за одну симуляцию, но перестановка производной и ожидания требует условий

Цифровые индикаторы, барьеры, решения об исполнении и изломы калибровки могут нарушить обычное pathwise-дифференцирование или потребовать сглаживания и специальной обработки

Метод отношения правдоподобия дифференцирует смоделированную плотность, а не выплату, умножая выплату на score-функцию

Он может работать с некоторыми разрывными выплатами, которые затрудняют pathwise-производные, потому что саму выплату дифференцировать не нужно

Его дисперсия может быть высокой, особенно для чувствительностей высокого порядка или глубоко вне денег. Гибридные оценки могут объединять сильные стороны обоих методов

Автоматическое адъюнктное дифференцирование распространяет чувствительности назад через вычисление оценки, подобно дифференцированию в обратном режиме

Оно особенно привлекательно, когда небольшое число выходов портфеля зависит от множества рыночных входов, например узлов кривой или поверхности волатильности

Память, ветвления, итерационные решатели, калибровка и негладкая логика требуют продуманной реализации. Автоматическое дифференцирование не гарантирует осмысленного определения риска

Сравните численные греки с аналитическими эталонами для простых контрактов, затем перепроверьте реальные выплаты вторым оценивателем или большим шоком переоценки

Проверьте знак, единицы, масштабирование, чувствительности паритета put-call, агрегацию, симметрию bump, сходимость, стандартные ошибки и поведение около границ выплаты

Записывайте, что меняется при bump входа. Вега или дельта при sticky-strike, sticky-delta, перекалиброванной и зафиксированной поверхности отвечают на разные вопросы