Rischio del modello delle opzioni: ipotesi, input, calibrazione e implementazione

Comprendere perché un modello di opzioni matematicamente corretto può ancora valutare in modo errato o misurare in modo errato il rischio e come convalidare struttura, dati, calibrazione, codice, risultati e utilizzo.

Solo a scopo educativo; non costituisce consulenza né raccomandazione d’investimento. Gli investimenti possono comportare perdite.

Risposta diretta

Il rischio di modello nelle opzioni è il rischio di decisioni sfavorevoli o perdite perché un modello contiene errori fondamentali, usa dati inadeguati, è implementato male o viene impiegato fuori dallo scopo previsto. Una formula può essere programmata esattamente e produrre comunque un prezzo, una greca, una copertura, una probabilità o un risultato di stress inadeguati.

L’output di un modello è una stima condizionata dall’interpretazione del contratto, dalle ipotesi, dagli input, dalla calibrazione, dal metodo numerico e dal momento del calcolo. Non è un prezzo di mercato negoziabile né garantisce che si verifichino le dinamiche ipotizzate. Aggiungere cifre decimali non elimina il rischio di modello: i controlli devono identificarlo, metterlo in discussione, limitarlo e monitorarlo.

Cinque livelli di rischio modello

1. Rischio contrattuale e strutturale

Il modello può rappresentare in modo errato payoff, stile di esercizio, regolamento, moltiplicatore, attività da consegnare, dividendi o dipendenza dal percorso. Una formula europea non può cogliere direttamente l’esercizio anticipato di un’opzione americana. La volatilità costante non riproduce l’intera superficie per strike e scadenza né descrive come si sposti dopo uno shock del sottostante.

Le ipotesi strutturali possono omettere salti, volatilità stocastica, volatilità locale, variazioni dei tassi, vincoli di prestito, costi di transazione, copertura discreta, impatto sul mercato o interruzioni delle negoziazioni. Un modello più complesso aggiunge flessibilità ma anche più parametri e modalità di guasto.

2. Rischio di input e dati

Dati spot e forward, tassi, dividendi, prestito titoli, tempi, quotazioni, operazioni societarie e dati contrattuali possono essere obsoleti, non abbinati o basati su convenzioni diverse. Bid, Ask, Mid, Last e prezzo di regolamento rispondono a domande differenti. Il tempo può usare giorni di calendario, giorni di negoziazione o orari precisi; anche capitalizzazione e annualizzazione possono variare.

3. Rischio di calibrazione

Una calibrazione può adattarsi bene alle opzioni liquide ma estrapolare male su strike e scadenze illiquidi. Pesi errati, quotazioni incrociate o obsolete, overfitting, parametri instabili e interpolazioni che violano l’assenza di arbitraggio possono produrre superfici lisce ma inaffidabili. Un errore basso nel campione non dimostra dinamiche future realistiche; ove applicabile, verificare almeno la monotonicità tra scadenze e la convessità rispetto allo strike.

4. Rischio numerico e implementativo

Gli alberi, le differenze finite e i metodi Monte Carlo presentano errori di discretizzazione, convergenza, confine ed errore di campionamento casuale. Il codice può utilizzare segno, unità, moltiplicatore del contratto, data del dividendo, interpolazione o condizione di esercizio errati. Vega quotato per un punto di volatilità rispetto a 1,00 unità di volatilità differisce di un fattore di 100; Theta al giorno rispetto all’anno differisce in base alla scala di conteggio dei giorni.

5. Utilizzo e rischio di governance

Un modello di valutazione può essere inadatto a margini, attribuzione del P&L, esecuzione o stress di coda. Gli utenti possono ignorarne i limiti, combinare greche di sistemi incoerenti, sovrascrivere valori senza tracciamento o trattare un Mid teorico come cassa realizzabile. Inventario dei modelli, responsabili, convalida indipendente, controllo delle modifiche, documentazione e monitoraggio dei risultati fanno parte del quadro di controllo.

Un contratto, due ipotesi di volatilità

Consideriamo una Call europea illustrativa con prezzo del sottostante e strike entrambi pari a $100, sei mesi alla scadenza, tasso composto continuamente 4%, rendimento da dividendi 1% e nessun costo di transazione.

Utilizzando un calcolo di Black-Scholes a volatilità costante:

con una volatilità 20%, il valore del modello è pari a circa $6.34 per azione;
con volatilità 25%, il valore del modello è pari a circa $7.72 per azione;
la sola variazione dell’input sposta il valore di circa $1.38 o $138 per un contratto standard da 100 azioni.

Supponiamo che la quotazione corrente sia $6.10 Bid / $6.50 Ask. Il risultato al 20% è nello spread, quello al 25% molto al di sopra. Nessuno dei due dimostra un arbitraggio. Il mercato può implicare una volatilità diversa, il contratto può prevedere esercizio americano o ipotesi diverse sui dividendi, oppure la volatilità costante può essere una struttura inadeguata. Comprare all’Ask perché un modello indica $7.72 presuppone inoltre di poter poi coprire e chiudere la posizione con dinamiche, liquidità e costi compatibili.

Una tabella di sensibilità deve variare più della sola IV. Rendimento dei dividendi, ora esatta di scadenza, curva dei tassi e lato della quotazione possono modificare prezzo e greche. Per un’opzione americana su azioni, confrontare un albero o differenze finite ed esaminare l’esercizio anticipato. Per un prodotto dipendente dal percorso, confrontare un Monte Carlo sviluppato in modo indipendente o un altro metodo adeguato.

Test di validazione che rispondono a domande diverse

Test unitari e di regressione: il codice riproduce identità note e risultati di riferimento approvati?
Benchmarking: un modello alternativo sviluppato in modo indipendente o un caso limite più semplice concorda entro una tolleranza prestabilita?
Test di convergenza: più passaggi dell’albero, punti della griglia o percorsi di simulazione stabilizzano l’output?
Test di sensibilità: segni, grandezze e cambiamenti non lineari hanno senso economico?
Verifica di arbitraggio statico: la superficie calibrata rispetta la monotonicità tra scadenze e la convessità rispetto allo strike, ove applicabili?
Analisi dei risultati: come si confrontano i punteggi del modello, le coperture e le previsioni con i mercati eseguibili e i profitti e le perdite realizzati?

Registrare dati di test, tolleranze, errori e rimedi. L’accordo tra due sistemi è una prova debole se entrambi condividono dati, librerie, ipotesi o derivazione del codice.

Lista di controllo per la revisione del modello

Verificare i termini contrattuali rispetto alle specifiche autorevoli prima della valutazione.
Scrivere la destinazione d’uso e gli usi esplicitamente vietati.
Registra la famiglia del modello, la versione, il proprietario, il rilascio del codice e lo stato di convalida.
Conserva fonte, timestamp, unità, trasformazioni e flag di qualità per ogni input.
Separare i dati di mercato osservati dai valori dedotti o sovrascritti manualmente.
Confrontare gli output calibrati su Bid, Mid e Ask in cui la liquidità è debole.
Controlla tassi, dividendi, prestiti, calendari, fusi orari e azioni aziendali.
Convalidare prezzo e greche in modo indipendente; un prezzo corretto non dimostra una sensibilità corretta.
Testare input spot estremi, IV, tempo, tasso e dividendo senza errori numerici silenziosi.
Esaminare i residui di calibrazione per strike e scadenza, non solo per un errore totale.
Test di interpolazione ed estrapolazione al di fuori dei nodi liquidi.
Confrontare almeno un modello appropriato strutturalmente diverso.
Aggiungere stress di salto, dinamica distorta, liquidità e copertura discreta al di fuori del modello base.
Tradurre le differenze di modello in dollari di contratto e di portafoglio.
Utilizzare quotazioni eseguibili quando si valuta il valore realizzabile.
Monitorare sostituzioni, eccezioni, valori obsoleti e profitti e perdite inspiegabili.
Riconvalidare dopo modifiche sostanziali a codice, dati, prodotto, uso previsto o regime di mercato.
Posizioni dimensionali basate sull’incertezza del modello piuttosto che sulla selezione dell’output più favorevole.

Errori comuni

“La formula è corretta, quindi il prezzo è corretto.” La matematica corretta può rappresentare il problema di mercato sbagliato.
“La calibrazione rimuove il rischio del modello.” Si adatta alle osservazioni selezionate sotto una struttura scelta.
“Più parametri migliorano sempre la precisione.” Possono aumentare l’overfitting e l’instabilità.
“Il Mid è una verità oggettiva.” È un riferimento ricavato dalle quotazioni, non necessariamente eseguibile.
“La volatilità implicita è osservata direttamente.” È ricavata invertendo un modello con specifiche convenzioni di input.
“I greci sono costanti contrattuali”. Dipendono dal modello, dagli input, dalle unità e dal timestamp.
“Due sistemi concordi dimostrano la correttezza.” Dati, ipotesi o codice condivisi possono creare lo stesso errore.
“Il solo backtest convalida un modello di opzioni.” Rimangono code rare, regimi mutevoli e osservazioni limitate.
“Un prezzo conservativo è una misura conservativa del rischio.” L’utilizzo di prezzo, copertura, margine e stress può richiedere un diverso conservatorismo.
“I modelli complessi eliminano la semplificazione.” Spostano la semplificazione verso nuove dinamiche e parametri.
“L’errore del modello è solo un problema del programmatore.” La governance, i dati, l’interpretazione e l’utilizzo possono dominare l’errore del codice.