Risque du modèle d'option : hypothèses, entrées, calibrage et mise en œuvre

Comprenez pourquoi un modèle d'option mathématiquement correct peut encore mal évaluer ou mal mesurer le risque, et comment valider la structure, les données, l'étalonnage, le code, les résultats et l'utilisation.

À des fins éducatives uniquement ; ne constitue ni un conseil en investissement ni une recommandation d’investissement. Les investissements peuvent entraîner des pertes.

Réponse directe

Le risque du modèle d’option est le risque de décisions défavorables ou de pertes parce qu’un modèle est erroné, reçoit des données inappropriées, est mal mis en œuvre ou est utilisé en dehors de son objectif prévu. Une formule peut être codée avec précision et néanmoins produire un résultat de prix, de grec, de couverture, de probabilité ou de stress inapproprié.

Un résultat de modèle dépend de son interprétation du contrat, de ses hypothèses, de ses entrées, de son calibrage, de sa méthode numérique et de son horodatage. Il ne s’agit pas d’un prix de marché exécutable ni d’une garantie que la dynamique supposée se produira. Le risque de modèle ne peut pas être éliminé en ajoutant des décimales ; il doit être identifié, contesté, délimité et surveillé.

Cinq niveaux de risque de modèle

1. Risque contractuel et structurel

Le modèle peut représenter un mauvais profil de gain, style d’exercice, mode de règlement, multiplicateur, livrable, traitement des dividendes ou une mauvaise dépendance au chemin. Une formule européenne ne peut pas intégrer directement l’exercice anticipé d’une option américaine. Une volatilité constante ne reproduit pas toute la surface par strike et échéance, ni son déplacement après un choc du sous-jacent.

Les hypothèses structurelles peuvent omettre les sauts, la volatilité stochastique, la volatilité locale, l’évolution des taux, les contraintes d’emprunt, les coûts de transaction, les couvertures discrètes, l’impact sur le marché ou les arrêts de négociation. Un modèle plus complexe ajoute de la flexibilité mais aussi plus de paramètres et de modes de défaillance.

2. Risque lié aux entrées et aux données

Les métadonnées au comptant, à terme, les taux, les dividendes, les emprunts, le temps, les cotations, les opérations sur titres et les contrats peuvent être obsolètes, ne pas correspondre ou être mesurés selon des conventions différentes. Les prix Bid, Ask, Mid, Last et de règlement répondent à différentes questions. Le temps peut utiliser des jours calendaires, des jours de bourse ou des horodatages précis ; les taux et la volatilité peuvent utiliser différentes compositions et annualisations.

3. Risque d’étalonnage

Un calibrage peut bien reproduire les options liquides tout en s’extrapolant mal aux strikes et échéances illiquides. Une mauvaise pondération, des cotations croisées ou périmées, le surajustement, des paramètres instables et une interpolation qui viole l’absence d’arbitrage peuvent produire des surfaces lisses mais peu fiables. Une faible erreur dans l’échantillon ne prouve pas une dynamique future réaliste ; lorsqu’ils s’appliquent, vérifiez au minimum la monotonie entre échéances et la convexité selon le strike.

4. Risque numérique et de mise en œuvre

Les arbres, les différences finies et les méthodes de Monte Carlo comportent des erreurs de discrétisation, de convergence, de limite et d’échantillonnage aléatoire. Le code peut utiliser un signe, une unité, un multiplicateur de contrat, une date de dividende, une interpolation ou une condition d’exercice incorrects. Vega coté par point de volatilité par rapport à 1,00 unité de volatilité diffère d’un facteur 100 ; Thêta par jour par rapport à l’année diffère selon l’échelle de nombre de jours.

5. Risque d’utilisation et de gouvernance

Un modèle de valorisation peut être inadapté au calcul de marge, à l’attribution du P&L, à l’exécution ou aux stress extrêmes. Les utilisateurs peuvent ignorer ses limites, combiner des grecques issues de systèmes incohérents, écraser des valeurs sans journalisation ou traiter un Mid théorique comme une valeur réalisable. L’inventaire des modèles, les responsables, la validation indépendante, le contrôle des changements, la documentation et le suivi des résultats font partie du dispositif de contrôle.

Un contrat, deux hypothèses de volatilité

Prenons une option Call européenne : le sous-jacent et le strike valent tous deux $100, il reste six mois avant l’expiration, le taux composé en continu est de 4%, le rendement du dividende de 1% et les frais de transaction sont nuls.

En utilisant un calcul de Black-Scholes à volatilité constante :

à une volatilité de 20%, la valeur du modèle est d’environ $6.34 par action ;
à une volatilité de 25%, la valeur du modèle est d’environ $7.72 par action ;
le seul changement de l’entrée déplace la valeur d’environ $1.38, soit $138 pour un contrat standard de 100 actions.

Supposons que la cotation soit $6.10 Bid / $6.50 Ask. Le résultat à 20 % est dans la fourchette et celui à 25 % nettement au-dessus. Aucun ne prouve un arbitrage. Le marché peut impliquer une autre volatilité, le contrat prévoir un exercice américain ou d’autres hypothèses de dividendes, ou la volatilité constante constituer une structure insuffisante. Acheter à l’Ask parce qu’un modèle indique $7.72 suppose aussi de pouvoir ensuite couvrir et clôturer la position avec une dynamique, une liquidité et des coûts compatibles.

Un tableau de sensibilité doit faire varier davantage que l’IV. Le rendement des dividendes, l’heure exacte d’expiration, la courbe des taux ou le côté de cotation peuvent modifier le prix et les grecques. Pour une option américaine sur action, comparez un arbre ou des différences finies et examinez l’exercice anticipé. Pour un produit dépendant du chemin, comparez une méthode de Monte-Carlo développée indépendamment ou une autre méthode adaptée.

Tests de validation qui répondent à différentes questions

Tests unitaires et de régression : le code reproduit-il les identités connues et les résultats de référence approuvés ?
Comparaison à une référence : un modèle contradictoire développé indépendamment ou un cas limite plus simple concorde-t-il dans une tolérance fixée à l’avance ?
Tests de convergence : est-ce que davantage d’étapes d’arbre, de points de grille ou de chemins de simulation stabilisent la sortie ?
Tests de sensibilité : les signes, les ampleurs et les changements non linéaires ont-ils un sens économique ?
Contrôles d’arbitrage statique : la surface ajustée respecte-t-elle la monotonie entre échéances et la convexité selon le strike lorsqu’elles s’appliquent ?
Analyse des résultats : comment les marques de modèle, les couvertures et les prévisions se comparent-elles aux marchés exécutables et au P&L réalisé ?

Consignez les données de test, les tolérances, les échecs et les mesures correctives. L’accord entre deux systèmes est une preuve faible s’ils partagent les mêmes données, bibliothèques, hypothèses ou la même filiation de code.

Liste de contrôle pour l’examen du modèle

Vérifier les termes du contrat par rapport aux spécifications faisant autorité avant l’évaluation.
Écrivez l’utilisation prévue et les utilisations explicitement interdites.
Enregistrez la famille de modèles, la version, le propriétaire, la version du code et l’état de validation.
Préservez la source, l’horodatage, les unités, les transformations et les indicateurs de qualité pour chaque entrée.
Séparez les données de marché observées des valeurs déduites ou remplacées manuellement.
Comparez les résultats étalonnés Bid, Mid et Ask là où la liquidité est faible.
Vérifiez les taux, les dividendes, les emprunts, les calendriers, les fuseaux horaires et les opérations sur titres.
Valider les prix et les grecs de manière indépendante ; un prix correct ne prouve pas des sensibilités correctes.
Testez les entrées extrêmes au comptant, IV, temps, taux et dividendes sans échec numérique silencieux.
Examiner les résidus d’étalonnage par prix d’exercice et par maturité, et non pas une seule erreur totale.
Test d’interpolation et d’extrapolation en dehors des nœuds liquides.
Comparez au moins un modèle approprié structurellement différent.
Ajoutez des contraintes de saut, de dynamique asymétrique, de liquidité et de couverture discrète en dehors du modèle de base.
Traduire les différences de modèle en dollars de contrat et de portefeuille.
Utilisez des cotations exécutables pour évaluer la valeur réalisable.
Surveillez les remplacements, les exceptions, les valeurs obsolètes et les P&L inexpliqués.
Revalider après toute modification importante du code, des données, du produit, de l’usage prévu ou du régime de marché.
Dimensionner les positions en fonction de l’incertitude du modèle plutôt que de sélectionner le résultat le plus favorable.

Idées fausses courantes

“La formule est correcte, donc le prix est correct.” Des mathématiques correctes peuvent représenter un mauvais problème de marché.
“Le calibrage supprime le risque de modèle.” Il ajuste des observations sélectionnées sous une structure choisie.
“Plus de paramètres améliorent toujours la précision.” Ils peuvent augmenter le surapprentissage et l’instabilité.
“Le Mid est une vérité objective.” C’est une référence dérivée des cotations, pas nécessairement exécutable.
« La volatilité implicite est directement observée. » Elle est déduite par inversion d’un modèle et de conventions d’entrée.
“Les Grecs sont des constantes du contrat.” Ils dépendent du modèle, des entrées, des unités et de l’horodatage.
“Deux systèmes concordants prouvent l’exactitude.” Des données, hypothèses ou du code communs peuvent produire la même erreur.
« Le backtesting valide à lui seul un modèle d’option. » Des queues rares, des régimes changeants et des observations limitées subsistent.
“Un prix conservateur est une mesure de risque prudente.” Les utilisations du prix, de la couverture, de la marge et du stress peuvent nécessiter un conservatisme différent.
« Les modèles complexes éliminent la simplification. » Ils font évoluer la simplification vers de nouvelles dynamiques et de nouveaux paramètres.
“L’erreur de modèle est uniquement un problème de programmeur.” La gouvernance, les données, l’interprétation et l’utilisation peuvent dominer les erreurs de code.