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
Un modèle de volatilité stochastique fait de la variance instantanée d’un actif une variable d’état aléatoire au lieu d’une constante ou d’une fonction déterministe du point et du temps. Dans une spécification générique continue à deux facteurs :
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, avec dW_t^S dW_t^v = ρ_t dt
Le choc de variance supplémentaire peut créer une volatilité variable dans le temps, un regroupement, un retour à la moyenne, une asymétrie et une dynamique de sourire plus riche. Le modèle ne fait pas « connaître » la volatilité ; il spécifie une loi de probabilité dont les paramètres et la version sans risque doivent être estimés ou calibrés.
Il s’agit d’une famille de modèles et non d’une formule unique. Heston utilise un processus de variance à racine carrée revenant vers la moyenne, SABR fait évoluer un forward et sa volatilité, les modèles de variance forward modélisent la structure par terme de la variance et les modèles de volatilité rugueuse utilisent une mémoire non markovienne. Chaque choix s’adapte à des caractéristiques différentes et introduit des risques numériques et de modèle différents.
Périmètre : cette page traite de la mécanique des modèles pour les options vanille et dépendantes du chemin, cotées et de gré à gré, sur des sous-jacents d’actions, de devises, de taux et de matières premières. Il s’agit d’un cadre général, et non de la description d’une bourse, d’un courtier, d’un compte sur marge, d’un régime fiscal ou d’une juridiction donnés. Les exemples sont hypothétiques et datés du 2026-08-22 ; vérifiez les modalités du produit, les conventions de marché, les règles du compte et la juridiction applicable avant toute utilisation. Cette page ne constitue pas un conseil individuel en matière d’investissement, de droit ou de fiscalité.
La dynamique physique n’est pas une dynamique de prix
Les rendements historiques sont modélisés sous la mesure physique P ; L’évaluation des options sans arbitrage utilise une mesure neutre au risque Q. Avec un choc de variance non négocié, les actions et les liquidités ne peuvent généralement pas couvrir toutes les sources d’incertitude. Le marché est incomplet, donc l’absence d’arbitrage à elle seule ne détermine pas de manière unique la prime de risque de variance ou la dérive Q de variance.
Schématiquement, le même état de variance peut avoir :
dv_t = a_P(v_t,t)dt + b(v_t,t)dW_t^{v,P}
sous P, mais
dv_t = a_Q(v_t,t)dt + b(v_t,t)dW_t^{v,Q}
sous Q. La différence entre a_P et a_Q intègre une compensation pour le risque de volatilité. L’estimation des paramètres P à partir des rendements et leur insertion inchangés dans un outil de tarification d’options élimine silencieusement cette distinction.
La corrélation ρ relie les chocs de rendement et de variance. Dans les modèles d’actions, une corrélation négative ajustée au risque contribue souvent à générer des options de vente à la baisse plus riches. La volatilité de la volatilité contrôle la façon dont la variance future peut se disperser et influence la courbure du sourire. Le retour à la moyenne façonne la structure des termes. Ces interprétations sont conditionnelles : les paramètres interagissent et plusieurs ensembles de paramètres peuvent produire des prix vanille similaires.
Ajustement statique versus dynamique
Un étalonnage minimise les erreurs entre les strikes (prix d’exercice) et les expirations en même temps. Un modèle de risque doit également spécifier comment la surface ajustée change après des chocs ponctuels, temporels et de volatilité. Deux modèles peuvent correspondre aux vanilles d’aujourd’hui et produire différentes valeurs de barrière, biais à terme, ratios de couverture et P/L du jour suivant. La dynamique du sourire et la couverture hors échantillon sont donc des cibles de validation distinctes de l’erreur d’étalonnage.
Exemple : une variance actuelle, deux mesures
Supposons que la variance actuelle soit de v₀ = 0.04, donc la volatilité instantanée actuelle est de √0.04 = 20%. À titre d’illustration, supposons que la variance soit un retour à la moyenne sous chaque mesure :
E[v_T] = θ + (v₀ − θ)e^(−κT)
Utilisez ces paramètres hypothétiques :
| Mesurer | κ |
θ |
Six mois E[v_0.5] |
|---|---|---|---|
Physique P |
1 |
0.04 |
0.04 |
Neutre au risque Q |
2 |
0.0625 |
0.05422 |
Sous P :
0.04 + (0.04 − 0.04)e^(−1×0.5) = 0.04
Sous Q :
0.0625 + (0.04 − 0.0625)e^(−2×0.5) = 0.05422
Les racines carrées sont respectivement 20% et 23.29%. Cette différence ne constitue pas une prévision du bénéfice d’une option et n’identifie pas la prime de risque à partir d’une seule observation. Il montre pourquoi une structure de termes de variance sans risque, calibrée à partir d’options, ne peut pas être rebaptisée « réalisation attendue ».
De plus, √E[v_T] n’est généralement pas égal à E[√v_T]. L’exemple rapporte la racine carrée de la variance attendue, et non la volatilité attendue. La valeur d’une option complète dépend de la distribution et du chemin de la variance, de sa corrélation avec les rendements et du gain, et pas seulement de cette moyenne.
Liste de contrôle de sélection et de validation du modèle
- Énoncer les équations stochastiques, la mesure, les variables d’état, les unités de paramètres, le comportement des limites et la structure de corrélation.
- Séparez les paramètres estimés à partir des rendements sous
Pde ceux calibrés sur les prix des options sousQ. - Utilisez des cotations exécutables synchronisées, des contrats à terme, des facteurs d’actualisation, des dividendes et des conditions contractuelles.
- Erreurs d’étalonnage du poids par pertinence économique telle que Bid-Ask ou Vega, et inspection de chaque expiration et aile.
- Exécutez plusieurs suppositions initiales et signalez des ensembles de paramètres quasi équivalents ; un résultat de l’optimiseur peut être non identifiable.
- Vérifiez la positivité, les conditions de moment, le biais de simulation, la discrétisation, l’intégration des transformations et la gestion des branches.
- Retarifiez tous les instruments d’étalonnage et comparez les erreurs avec les spreads du marché, pas seulement IV RMSE.
- Valider les futurs mouvements de surface, le P/L de couverture et la stabilité des paramètres hors échantillon.
- Les sautes de prix sous contrainte, la variance des événements, les ruptures de corrélation, les pics de volatilité et la perte de liquidité.
- Comparez Heston, la volatilité locale, la volatilité stochastique-locale, les modèles à sauts et les alternatives de volatilité rugueuse pour le payoff réel.
- Traiter l’exercise (exercice de l’option par son détenteur) américain, les dividendes discrets, les barrières et la dépendance au chemin avec des méthodes numériques adaptées.
- Inclure les coûts de transaction, les rehedgings discrets, le financement, assignment (assignation de l’obligation au vendeur de l’option) et les instruments de couverture indisponibles.
- Enregistrez les risques que le modèle omet délibérément ; un étalonnage précis ne réduit pas le risque omis.
Idées fausses courantes
- « La volatilité stochastique prédit la volatilité. » Il définit la dynamique conditionnelle une fois le modèle et les paramètres choisis.
- « Options de prix des paramètres de variance historique. » La tarification nécessite généralement une dynamique neutre au risque et une prime de risque de volatilité.
- « Un ajustement vanille parfait prouve le modèle. » L’ajustement statique n’identifie pas de chemins ou de comportements de haie réalistes.
- « Plus de facteurs améliorent toujours la précision. » La flexibilité peut augmenter l’instabilité, le surajustement et le risque de paramètres non couvert.
- « La volatilité stochastique inclut les krachs. » Un modèle à variance continue peut toujours omettre les sauts discontinus de prix et de variance.
- « La variance attendue sans risque est une prévision de marché. » Il s’agit d’un objet de tarification contenant des primes de risque et dépend de conventions.
- « Un paramètre calibré a une signification économique. » Les paramètres se compensent et peuvent être faiblement identifiés.