Nur zu Bildungszwecken; stellt keine Anlageberatung oder Anlageempfehlung dar. Anlagen können zu Verlusten führen.
Direkte Antwort
Ein stochastisches Volatilitätsmodell macht die momentane Varianz eines Vermögenswerts zu einer zufälligen Zustandsvariablen anstelle einer Konstante oder einer deterministischen Funktion von Ort und Zeit. In einer generischen kontinuierlichen Zwei-Faktor-Spezifikation:
dS_t = μ_t S_t dt + √v_t S_t dW_t^S
dv_t = a(v_t,t)dt + b(v_t,t)dW_t^v, mit dW_t^S dW_t^v = ρ_t dt
Der zusätzliche Varianzschock kann zu zeitlich variierender Volatilität, Häufung, Mittelwertumkehr, Schiefe und einer stärkeren Lächelndynamik führen. Das Modell macht die Volatilität nicht „bekannt“; Es legt ein Wahrscheinlichkeitsgesetz fest, dessen Parameter und risikoneutrale Version geschätzt oder kalibriert werden müssen.
Dies ist eine Modellfamilie, nicht eine Formel. Heston verwendet einen zur Mittelwertbildung zurückkehrenden Quadratwurzel-Varianzprozess, SABR lässt einen Forward und seine Volatilität gemeinsam entwickeln, Forward-Varianz-Modelle modellieren die Varianztermstruktur und grobe Volatilitätsmodelle verwenden nicht-markovianisches Gedächtnis. Jede Wahl passt zu unterschiedlichen Merkmalen und bringt unterschiedliche numerische Risiken und Modellrisiken mit sich.
Geltungsbereich: Diese Seite behandelt die Modellmechanik für börsennotierte und außerbörsliche Vanilla- und pfadabhängige Optionen auf Aktien-, Devisen-, Zins- und Rohstoff-Basiswerte. Sie ist ein allgemeiner Rahmen und beschreibt keine bestimmte Börse, keinen Broker, kein Margin-Konto, kein Steuersystem und keine bestimmte Rechtsordnung. Die Beispiele sind hypothetisch und beziehen sich auf den Stand 2026-08-22; prüfen Sie vor der Anwendung Produktbedingungen, Marktkonventionen, Kontoregeln und die zuständige Rechtsordnung. Dies ist keine individuelle Anlage-, Rechts- oder Steuerberatung.
Physische Dynamik ist keine Preisdynamik
Historische Renditen werden unter dem physikalischen Maß P modelliert; die No-Arbitrage-Optionsbewertung verwendet ein risikoneutrales Maß Q. Bei einem nicht gehandelten Varianzschock können Aktien und Bargeld im Allgemeinen nicht alle Unsicherheitsquellen abdecken. Der Markt ist unvollständig, sodass keine Arbitrage allein die Varianzrisikoprämie oder den Q-Drift der Varianz eindeutig bestimmt.
Schematisch gesehen kann derselbe Varianzzustand Folgendes haben:
dv_t = a_P(v_t,t)dt + b(v_t,t)dW_t^{v,P}
unter P, aber
dv_t = a_Q(v_t,t)dt + b(v_t,t)dW_t^{v,Q}
unter Q. Der Unterschied zwischen a_P und a_Q beinhaltet einen Ausgleich für das Volatilitätsrisiko. Durch das Schätzen von P-Parametern aus Renditen und deren unverändertes Einfügen in einen Optionspreisrechner wird diese Unterscheidung stillschweigend aufgehoben.
Korrelation ρ verknüpft Rendite- und Varianzschocks. In Aktienmodellen trägt eine negativ angepasste risikoneutrale Korrelation oft dazu bei, reichere Downside-Puts zu generieren. Die Volatilität steuert, wie sich die zukünftige Varianz ausbreiten kann, und beeinflusst die Krümmung des Lächelns. Die Mean-Reversion prägt die Termstruktur. Diese Interpretationen sind bedingt: Parameter interagieren und mehrere Parametersätze können ähnliche Vanilla-Preise erzeugen.
Statische Passform versus Dynamik
Eine Kalibrierung minimiert Fehler bei Strikes und Verfallszeiten gleichzeitig. Ein Risikomodell muss auch angeben, wie sich diese angepasste Oberfläche nach punktuellen, zeitlichen und Volatilitätsschocks verändert. Zwei Modelle können den heutigen Vanillas entsprechen und unterschiedliche Barrierewerte, Forward-Skews, Absicherungsverhältnisse und Gewinn- und Verlustrechnungen für den nächsten Tag erzeugen. Smile-Dynamik und Out-of-Sample-Hedging sind daher vom Kalibrierungsfehler getrennte Validierungsziele.
Beispiel: eine aktuelle Varianz, zwei Maße
Angenommen, die aktuelle Varianz beträgt v₀ = 0.04, sodass die aktuelle momentane Volatilität √0.04 = 20% beträgt. Nehmen wir zur Veranschaulichung an, dass die Varianz unter jedem Maß zum Mittelwert zurückkehrt:
E[v_T] = θ + (v₀ − θ)e^(−κT)
Verwenden Sie diese hypothetischen Parameter:
| Messen | κ |
θ |
Sechs Monate E[v_0.5] |
|---|---|---|---|
Physisch P |
1 |
0.04 |
0.04 |
Risikoneutral Q |
2 |
0.0625 |
0.05422 |
Unter P:
0.04 + (0.04 − 0.04)e^(−1×0.5) = 0.04
Unter Q:
0.0625 + (0.04 − 0.0625)e^(−2×0.5) = 0.05422
Die Quadratwurzeln sind 20% bzw. 23.29%. Dieser Unterschied ist keine Option-Gewinn-Prognose und identifiziert nicht die Risikoprämie aus einer Beobachtung. Es zeigt, warum eine aus Optionen kalibrierte risikoneutrale Varianztermstruktur nicht als erwartete realisierte Volatilität umbenannt werden kann.
Außerdem ist √E[v_T] im Allgemeinen nicht gleich E[√v_T]. Das Beispiel gibt die Quadratwurzel der erwarteten Varianz an, nicht die erwartete Volatilität. Ein voller Optionswert hängt von der Verteilung und dem Verlauf der Varianz, ihrer Korrelation mit den Renditen und der Auszahlung ab, nicht nur von diesem Mittelwert.
Checkliste für die Modellauswahl und -validierung
- Geben Sie die stochastischen Gleichungen, das Maß, die Zustandsvariablen, die Parametereinheiten, das Randverhalten und die Korrelationsstruktur an.
- Trennen Sie die anhand der Renditen unter
Pgeschätzten Parameter von denen, die unterQauf Optionspreise kalibriert wurden. - Verwenden Sie synchronisierte ausführbare Kurse, Forwards, Abzinsungsfaktoren, Dividenden und Vertragsbedingungen.
- Gewichten Sie Kalibrierungsfehler nach wirtschaftlicher Relevanz wie Bid-Ask oder Vega und überprüfen Sie jeden Ablauf und jeden Flügel.
- Führen Sie mehrere anfängliche Schätzungen durch und melden Sie nahezu äquivalente Parametersätze. Ein Optimierungsergebnis kann nicht identifizierbar sein.
- Überprüfen Sie Positivität, Momentbedingungen, Simulationsverzerrung, Diskretisierung, Transformationsintegration und Verzweigungshandhabung.
- Neubewertung aller Kalibrierungsinstrumente und Vergleich der Fehler mit Marktspannen, nicht nur IV RMSE.
- Validieren Sie zukünftige Oberflächenbewegungen, sichern Sie Gewinne/Verluste ab und prüfen Sie die Parameterstabilität anhand der Probe.
- Stresspreissprünge, Ereignisvarianz, Korrelationsbrüche, Volatilitätsspitzen und Liquiditätsverlust.
- Vergleichen Sie Heston, lokale Volatilität, stochastisch-lokale Volatilität, Sprung und grobe Alternativen für die tatsächliche Auszahlung.
- Behandeln Sie amerikanische Ausübung (englisch: exercise), diskrete Dividenden, Barrieren und Pfadabhängigkeit mit geeigneten numerischen Methoden.
- Berücksichtigen Sie Transaktionskosten, diskrete Neuabsicherung, Finanzierung, Zuteilung der Erfüllungspflicht an den Stillhalter (Assignment) und nicht verfügbare Absicherungsinstrumente.
- Erfassen Sie, welche Risiken das Modell bewusst auslässt; Eine präzise Kalibrierung schreckt vor ausgelassenem Risiko nicht zurück.
Häufige Irrtümer
- „Stochastische Volatilität sagt die Volatilität voraus.“ Es definiert die bedingte Dynamik, nachdem Modell und Parameter ausgewählt wurden.
- „Historische Varianzparameter von Preisoptionen.“ Die Preisgestaltung erfordert im Allgemeinen eine risikoneutrale Dynamik und eine Volatilitätsrisikoprämie.
- „Eine perfekte Vanilla-Anpassung beweist das Modell.“ Die statische Anpassung identifiziert keine realistischen Pfade oder Absicherungsverhalten.
- „Mehr Faktoren verbessern immer die Genauigkeit.“ Flexibilität kann Instabilität, Überanpassung und das Risiko nicht absicherbarer Parameter erhöhen.
- „Stochastische Volatilität beinhaltet Abstürze.“ Ein kontinuierliches Varianzmodell kann immer noch diskontinuierliche Preis- und Varianzsprünge auslassen.
- „Die risikoneutrale erwartete Varianz ist eine Marktprognose.“ Es handelt sich um ein Preisobjekt, das Risikoprämien enthält und von Konventionen abhängt.
- „Ein kalibrierter Parameter hat eine wirtschaftliche Bedeutung.“ Parameter kompensieren einander und können nur schwach identifiziert werden.