全部期权指南
模型不确定性阅读约12分钟
期权模型风险与校准详解
理解期权模型风险的来源、校准究竟能证明什么、参数为何不稳定，以及如何验证价格、希腊字母与对冲结果
由 Mark 编写 · 官方资料列于文末
直接答案
期权模型风险是模型结构、数据、参数、数值计算或错误使用令价格、希腊字母与对冲产生误导的可能性。校准只是寻找能够拟合所选报价的模型，并不能证明模型就是真实过程，也不能证明它有预测能力
模型是决策工具，不是市场真相
期权模型把对价格路径、波动率、利率、股息与行权方式的假设转换成价格和敏感度
模型不必完全真实也可以有用。任何模型都会省略细节，而遗漏项的重要性会随行权价、期限与市场状态改变
实际应问的不是模型是否完美，而是它的简化对当前决策、风险敞口与持有期是否得到充分控制
模型风险存在多个层次
设定风险来自过程本身，例如恒定波动率、连续路径、单因子或固定相关性可能不适合当前产品
输入与参数风险包括过时报价、错误股息、错误融资曲线与不稳定参数；网格、求解器和代码错误则属于数值风险
把面向高流动性欧式期权的模型用于障碍期权、集中组合、压力市场或不同规则的合约，会产生使用风险
校准是一个加权逆问题
校准选择参数，使模型值与所选市场价格或隐含波动率之间的误差尽量缩小
结果取决于报价集合、买卖价处理、误差指标、权重、参数边界、优化器，以及按价格还是按波动率计算误差
拟合落在价差内可以具有实务意义，却不能识别真实生成过程。买卖价差是成交区间，不是真实性的证书
良好拟合可能掩盖弱识别
不同参数组合可对高流动性行权价给出近似价格，但它们外推的翼部、远期微笑与对冲比率仍可能明显不同
这是识别问题：可观察合约没有足够的独立信息，把每一个参数都精确固定下来
应跨日期、初始值、权重与报价子集检查稳定性。价格改善很小而参数大幅变化，说明解释十分脆弱
验证必须走出校准样本
重新定价未参与拟合的行权价与期限，把误差同买卖价差比较，并在后续时点重复，而不是只挑有利快照
只验证价格并不完整。小价格误差可能伴随大敏感度误差，因此还要测试希腊字母、情景响应、对冲损益与边界行为
独立实现和基准合约有助于区分模型局限与代码、市场惯例或数据管道错误
模型比较把不确定性变成区间
拟合多个合理模型，改变校准选择，并压力测试弱识别参数。结果分散度会暴露依赖单一设定的决策
对高流动性普通期权，市场报价可能压过模型差异；对奇异期权或低流动性翼部，差异可能成为重要估值准备
报告中心值时同时列出假设、替代方案与失效条件。诚实的区间往往比更多小数位更能支持决策
治理让不确定性可见
记录模型版本、输入、时间戳、惯例、目标权重、拟合误差与人工覆盖，让其他审核者可以复现
设置独立验证、审批边界、敞口限额与备用方法。参数或残差异常变化时，重新校准也应触发复核
最后要区分模型价值与可成交报价。流动性、规模、价差、冲击、融资与对手方条款可能超过理论差异
常见问题
什么是期权模型风险？
模型结构、输入、参数、数值计算或使用方式令估值、敏感度或对冲结果产生重大误导的风险
校准等于预测吗？
不等于。校准在模型内解释一个市场截面，预测则要判断这个截面之后价格或状态如何变化
为什么两个已校准模型会给出不同价格？
它们可以同样拟合高流动性合约，却对未报价合约施加不同的路径、尾部、波动率与相关性动态
如何降低模型风险？
使用干净数据、稳定校准、留出测试、独立验证、替代模型、参数压力、明确限额与可复现记录
资料来源与延伸阅读
把这个概念应用到一份期权
选择合约和目标，让价格、时间与波动率假设在同一份分析中清晰呈现
分析我的期权