所有選擇權指南
模型不確定性閱讀約12分鐘
選擇權模型風險與校準詳解
理解選擇權模型風險的來源、校準究竟能證明什麼、參數為何不穩定，以及如何驗證價格、希臘字母與避險結果
由 Mark 撰寫 · 官方資料列於文末
直接解答
選擇權模型風險是模型結構、資料、參數、數值運算或錯誤用途使價格、希臘字母與避險產生誤導的可能性。校準只會找出能配適所選報價的模型，並不能證明模型就是真實過程，更不能證明它具有預測能力
模型是決策工具，不是市場真相
選擇權模型把價格路徑、波動率、利率、股利與履約方式的假設，轉換為價格和敏感度
模型不必完全真實也能有用。任何模型都會省略細節，而遺漏項的重要性會隨履約價、天期與市場狀態改變
實務問題不是模型是否完美，而是其簡化對當前決策、曝險與持有期間是否受到充分控制
模型風險存在多個層次
規格風險來自過程本身，例如固定波動率、連續路徑、單因子或固定相關性可能不適合產品
輸入與參數風險包括過時報價、錯誤股利、錯誤融資曲線和不穩定參數；網格、求解器和程式錯誤則屬數值風險
把流動歐式選擇權模型用於障礙式商品、集中組合、壓力市場或規則不同的契約，會產生使用風險
校準是一個加權逆問題
校準選擇參數，使模型值與所選市場價格或隱含波動率之間的誤差盡量縮小
結果取決於報價集合、買賣價處理、誤差尺度、權重、參數界限、最佳化器，以及按價格或波動率計算誤差
配適落在價差內可以有實務意義，卻不能辨識真實生成過程。買賣價差是成交範圍，不是真實性的證書
良好配適可能掩蓋弱辨識
不同參數組合可對流動履約價給出相近價格，但它們外推的翼部、遠期微笑和避險比率仍可能明顯不同
這是辨識問題：可觀察契約沒有足夠獨立資訊，把每個參數精確固定下來
應跨日期、初始值、權重與報價子集檢查穩定性。價格改善很小而參數大幅變動，代表解讀十分脆弱
驗證必須離開校準樣本
重新定價未參與配適的履約價和天期，把誤差與買賣價差比較，並在後續時點重複，而不是只挑有利截面
只驗證價格並不完整。小價格誤差可能伴隨大敏感度誤差，因此還要測試希臘字母、情境反應、避險損益與邊界行為
獨立實作和基準契約有助區分模型限制與程式、慣例或資料流程錯誤
模型比較把不確定性變成區間
配適多個合理模型，改變校準選擇，並壓力測試弱辨識參數。結果離散程度會揭露依賴單一規格的決策
流動普通選擇權可能由市場報價主導；奇異型商品或不流動翼部的模型差異，則可能成為重要評價準備
報告中心值時列出假設、替代方案與失效條件。誠實的區間往往比更多小數位更能支援決策
治理讓不確定性可見
記錄模型版本、輸入、時間、慣例、目標權重、配適誤差與人工覆寫，讓其他審核者能重現結果
設定獨立驗證、核准界線、曝險限額與備援方法。參數或殘差異常變動時，重新校準也應觸發複核
最後要區分模型價值和可成交報價。流動性、數量、價差、市場衝擊、融資與交易對手條款可能大於理論差異
常見問題
什麼是選擇權模型風險？
模型結構、輸入、參數、數值運算或用途使評價、敏感度或避險結果產生重大誤導的風險
校準等於預測嗎？
不等於。校準在模型內解釋一個市場截面，預測則要判斷其後價格或狀態如何變動
為何兩個已校準模型會給出不同價格？
它們可同樣配適流動契約，卻對未報價契約施加不同路徑、尾部、波動率和相關性動態
如何降低模型風險？
使用乾淨資料、穩定校準、留出測試、獨立驗證、替代模型、參數壓力、明確限額與可重現記錄
資料來源與延伸閱讀
把這個概念應用到一份期權
選擇合約和目標，讓價格、時間與波幅假設在同一份分析中清晰呈現
分析我的期權