Risiko Model Opsi: Asumsi, Masukan, Kalibrasi, dan Implementasi

Pahami mengapa model opsi yang benar secara matematis masih dapat salah menentukan harga atau salah mengukur risiko, dan cara memvalidasi struktur, data, kalibrasi, kode, keluaran, dan penggunaan.

Hanya untuk tujuan edukasi; bukan merupakan nasihat investasi atau rekomendasi investasi. Investasi dapat mengakibatkan kerugian.

Jawaban langsung

Risiko model opsi adalah risiko keputusan yang merugikan atau kerugian karena model memiliki kesalahan mendasar, memakai data yang tidak sesuai, diterapkan secara keliru, atau digunakan di luar tujuan yang dimaksudkan. Sebuah formula dapat dikodekan dengan tepat tetapi tetap menghasilkan harga, Greeks, lindung nilai, probabilitas, atau hasil uji stres yang tidak sesuai.

Keluaran model bergantung pada interpretasi kontrak, asumsi, masukan, kalibrasi, metode numerik, dan stempel waktunya. Ini bukan harga pasar yang dapat dieksekusi atau jaminan bahwa asumsi dinamika akan terjadi. Risiko model tidak dapat dihilangkan dengan menambahkan tempat desimal; hal ini harus diidentifikasi, ditantang, dibatasi, dan dipantau.

Lima lapisan risiko model

1. Risiko kontrak dan struktural

Model dapat merepresentasikan payoff, gaya pelaksanaan, metode penyelesaian, pengganda, aset serahan, perlakuan dividen, atau ketergantungan jalur yang keliru. Formula Eropa tidak dapat langsung menangkap pelaksanaan dini opsi Amerika. Volatilitas konstan tidak dapat mereproduksi seluruh permukaan volatilitas menurut strike dan jatuh tempo, ataupun menentukan pergerakan permukaan itu setelah guncangan harga spot.

Asumsi struktural dapat menghilangkan lompatan, volatilitas stokastik, volatilitas lokal, perubahan suku bunga, kendala pinjaman, biaya transaksi, lindung nilai diskrit, dampak pasar, atau penghentian perdagangan. Model yang lebih kompleks menambah fleksibilitas tetapi juga lebih banyak parameter dan mode kegagalan.

2. Risiko masukan dan data

Spot, forward, rate, dividen, pinjaman, waktu, kuotasi, aksi korporasi, dan metadata kontrak dapat menjadi basi, tidak cocok, atau diukur dengan konvensi yang berbeda. Harga Bid, Ask, Mid, Last, dan settlement menjawab pertanyaan yang berbeda. Waktu dapat menggunakan hari kalender, hari perdagangan, atau stempel waktu yang tepat; suku bunga dan volatilitas dapat menggunakan penggabungan dan tahunanisasi yang berbeda.

3. Resiko kalibrasi

Kalibrasi dapat sangat cocok dengan opsi likuid, tetapi buruk saat diekstrapolasi ke strike dan jatuh tempo yang tidak likuid. Bobot yang keliru, kuotasi silang atau basi, overfitting, parameter tidak stabil, dan interpolasi yang melanggar kondisi bebas arbitrase dapat menghasilkan permukaan yang mulus tetapi tidak andal. Galat dalam sampel yang rendah tidak membuktikan dinamika masa depan yang realistis; jika berlaku, periksa setidaknya monotonisitas antartempo dan konveksitas terhadap strike.

4. Risiko numerik dan implementasi

Pohon, perbedaan hingga, dan metode Monte Carlo memiliki diskritisasi, konvergensi, batas, dan kesalahan pengambilan sampel acak. Kode dapat menggunakan tanda, satuan, pengganda kontrak, tanggal dividen, interpolasi, atau exercise yang salah. Vega yang dikutip per satu titik volatilitas versus per 1,00 unit volatilitas berbeda dengan faktor 100; Theta per hari versus per tahun berbeda berdasarkan skala hitungan hari.

5. Risiko penggunaan dan tata kelola

Model penilaian mungkin tidak cocok untuk margin, atribusi P&L, eksekusi, atau uji stres ekor distribusi. Pengguna dapat mengabaikan batasan, menggabungkan Greeks dari sistem yang tidak konsisten, mengganti nilai tanpa catatan, atau memperlakukan Mid teoretis sebagai kas yang dapat direalisasikan. Inventaris model, penanggung jawab, validasi independen, pengendalian perubahan, dokumentasi, dan pemantauan hasil merupakan bagian dari kerangka pengendalian.

Satu kontrak, dua asumsi volatilitas

Pertimbangkan Call Eropa ilustratif dengan harga saham dan strike sama-sama $100, enam bulan hingga jatuh tempo, suku bunga majemuk kontinu 4%, imbal hasil dividen 1%, dan tanpa biaya transaksi.

Menggunakan perhitungan Black-Scholes dengan volatilitas konstan:

pada volatilitas 20%, nilai model kira-kira $6.34 per saham;
pada volatilitas 25%, nilai model kira-kira $7.72 per saham;
perubahan input saja menggeser nilai sekitar $1.38, atau $138 untuk kontrak standar 100 saham.

Misalkan kuotasi saat ini adalah $6.10 Bid / $6.50 Ask. Hasil 20% berada di dalam spread, sedangkan hasil 25% jauh di atasnya. Keduanya tidak membuktikan adanya arbitrase. Pasar mungkin menyiratkan volatilitas lain, kontrak mungkin bergaya Amerika atau memakai asumsi dividen berbeda, atau volatilitas konstan mungkin merupakan struktur yang tidak memadai. Membeli pada Ask karena model memberi nilai $7.72 juga mengasumsikan posisi dapat dilindungnilaikan dan ditutup kelak dengan dinamika, likuiditas, dan biaya yang selaras.

Tabel sensitivitas harus memvariasikan lebih dari sekadar IV. Perubahan imbal hasil dividen, waktu kedaluwarsa yang tepat, kurva suku bunga, atau sisi kuotasi dapat mengubah harga dan Greeks. Untuk opsi saham Amerika, bandingkan hasil pohon atau beda hingga dan periksa perilaku pelaksanaan dini. Untuk produk yang bergantung pada jalur, bandingkan dengan Monte Carlo yang dikembangkan secara independen atau metode lain yang sesuai.

Tes validasi yang menjawab pertanyaan berbeda

Uji unit dan regresi: apakah kode mereproduksi identitas yang diketahui dan hasil acuan yang telah disetujui?
Pembandingan: apakah model pembanding yang dikembangkan secara independen atau kasus batas yang lebih sederhana cocok dalam toleransi yang ditetapkan sebelumnya?
Uji konvergensi: apakah lebih banyak langkah pohon, titik kisi, atau jalur simulasi menstabilkan keluaran?
Uji sensitivitas: apakah tanda, besaran, dan perubahan nonlinier masuk akal secara ekonomi?
Pemeriksaan arbitrase statis: apakah permukaan yang dikalibrasi mematuhi monotonisitas jatuh tempo dan konveksitas strike yang berlaku?
Analisis hasil: bagaimana penandaan model, lindung nilai, dan prakiraan dibandingkan dengan pasar yang dapat dieksekusi dan realisasi laba dan rugi?

Catat data uji, toleransi, kegagalan, dan tindakan perbaikannya. Kesepakatan antara dua sistem merupakan bukti lemah jika keduanya berbagi data, pustaka, asumsi, atau silsilah kode yang sama.

Daftar periksa tinjauan model

Verifikasi persyaratan kontrak terhadap spesifikasi resmi sebelum penilaian.
Tuliskan tujuan penggunaan dan penggunaan yang dilarang secara eksplisit.
Rekam keluarga model, versi, pemilik, rilis kode, dan status validasi.
Pertahankan sumber, stempel waktu, unit, transformasi, dan tanda kualitas untuk setiap masukan.
Pisahkan data pasar yang diamati dari nilai yang disimpulkan atau diganti secara manual.
Bandingkan output yang dikalibrasi dengan Bid, Mid, dan Ask yang likuiditasnya lemah.
Periksa tarif, dividen, pinjaman, kalender, zona waktu, dan aksi korporasi.
Validasi harga dan Greeks secara mandiri; harga yang benar tidak membuktikan sensitivitas yang benar.
Uji input titik ekstrim, IV, waktu, laju, dan dividen tanpa kegagalan numerik senyap.
Periksa sisa kalibrasi berdasarkan strike dan maturity, bukan hanya satu kesalahan total.
Uji interpolasi dan ekstrapolasi di luar node cair.
Bandingkan setidaknya satu model yang sesuai secara struktural berbeda.
Tambahkan tekanan lompat, skew-dinamis, likuiditas, dan lindung nilai diskrit di luar model dasar.
Terjemahkan perbedaan model ke dalam dolar kontrak dan portofolio.
Gunakan kutipan yang dapat dieksekusi ketika menilai nilai realisasi.
Pantau penggantian, pengecualian, nilai basi, dan P&L yang tidak dapat dijelaskan.
Validasi ulang setelah perubahan material pada kode, data, produk, tujuan penggunaan, atau rezim pasar.
Ukuran posisi untuk ketidakpastian model daripada memilih output yang paling menguntungkan.

Kesalahpahaman umum

“Rumusnya benar, jadi harganya pun benar.” Matematika yang benar dapat mewakili masalah pasar yang salah.
“Kalibrasi menghilangkan risiko model.” Ini cocok dengan pengamatan yang dipilih di bawah struktur yang dipilih.
“Lebih banyak parameter selalu meningkatkan akurasi.” Hal ini dapat meningkatkan overfitting dan ketidakstabilan.
“Mid adalah nilai objektif yang pasti.” Mid hanyalah acuan dari kuotasi dan belum tentu dapat ditransaksikan.
“volatilitas tersirat diamati secara langsung.” Itu didukung melalui model dan konvensi masukan.
“Greeks adalah konstanta kontrak.” Nilainya bergantung pada model, input, satuan, dan stempel waktu.
“Dua sistem yang cocok membuktikan kebenarannya.” Data, asumsi, atau kode bersama dapat menimbulkan kesalahan yang sama.
“Backtesting sendiri memvalidasi model opsi.” Dampak yang jarang terjadi, pergantian rezim, dan pengamatan yang terbatas masih terjadi.
“Harga yang konservatif adalah ukuran risiko yang konservatif.” Penggunaan harga, lindung nilai, margin, dan tekanan memerlukan konservatisme yang berbeda.
“Model kompleks menghilangkan penyederhanaan.” Mereka memindahkan penyederhanaan ke dalam dinamika dan parameter baru.
“Kesalahan model hanyalah masalah programmer.” Tata kelola, data, interpretasi, dan penggunaan dapat mendominasi kesalahan kode.