Риск модели опциона: предположения, входные данные, калибровка и реализация

Поймите, почему математически правильная модель опциона все еще может неверно оценивать или неправильно измерять риск, а также как проверять структуру, данные, калибровку, код, выходные данные и использование.

Только в образовательных целях; не является инвестиционным советом или инвестиционной рекомендацией. Инвестиции могут привести к убыткам.

Краткий ответ

Риск опционной модели – это риск принятия неблагоприятных решений или потерь из-за того, что модель неверна, в нее переданы ненадлежащие данные, она реализована неправильно или используется не по назначению. Формула может быть точно закодирована и при этом давать неподходящий результат по цене, греческому, хеджированию, вероятности или стрессу.

Выходные данные модели зависят от ее интерпретации контракта, допущений, входных данных, калибровки, численного метода и временной метки. Это не исполняемая рыночная цена или гарантия того, что предполагаемая динамика произойдет. Риск модели невозможно устранить добавлением десятичных знаков; его необходимо выявить, бросить вызов, ограничить и контролировать.

Пять уровней модельного риска

1. Контрактный и структурный риск

Модель может неверно описывать выплату, стиль исполнения, способ расчетов, множитель, поставляемый актив, учет дивидендов или зависимость от траектории. Формула для европейского опциона не учитывает напрямую досрочное исполнение американского опциона. Постоянная волатильность не воспроизводит всю поверхность по страйкам и срокам и не задает ее движение после шока цены базового актива.

Структурные предположения могут не учитывать скачки, стохастическую волатильность, локальную волатильность, изменение ставок, ограничения по займам, транзакционные издержки, дискретное хеджирование, влияние на рынок или остановки торговли. Более сложная модель добавляет гибкости, но также увеличивает количество параметров и режимов отказа.

2. Риск входных данных и данных

Метаданные спот, форвард, ставки, дивиденды, займы, время, котировки, корпоративные действия и контракты могут быть устаревшими, несовпадающими или измеряться с использованием других соглашений. Цены Bid, Ask, Mid, Last и расчетные цены отвечают на разные вопросы. Время может использовать календарные дни, торговые дни или точные временные метки; ставки и волатильность могут использовать различное начисление процентов и годовое исчисление.

3. Риск калибровки

Калибровка может хорошо соответствовать ликвидным опционам, но плохо экстраполироваться на неликвидные страйки и сроки. Ошибки взвешивания, перекрещенные или устаревшие котировки, переобучение, нестабильные параметры и интерполяция с нарушением безарбитражности могут создавать гладкие, но ненадежные поверхности. Низкая ошибка на обучающей выборке не доказывает реалистичность будущей динамики; где применимо, следует как минимум проверить монотонность по срокам и выпуклость по страйкам.

4. Численный риск и риск реализации

Деревья, конечные разности и методы Монте-Карло имеют дискретизацию, сходимость, границу и ошибку случайной выборки. В коде может использоваться неверный знак, единица измерения, множитель контракта, дата дивиденда, интерполяция или условие исполнения опциона его держателем (исполнением). Котировки Vega на один пункт волатильности и на 1,00 единицы волатильности отличаются в 100 раз; Тета в день и в год различаются по шкале подсчета дней.

5. Риск использования и управления

Модель оценки может быть непригодна для расчета маржи, распределения прибылей и убытков, исполнения или хвостового стресса. Пользователи могут игнорировать ограничения, комбинировать греки из противоречивых систем, переопределять значения без записей или рассматривать теоретическую среднюю величину как ликвидные деньги. Инвентаризация моделей, право собственности, независимая проверка, контроль изменений, документация и мониторинг результатов являются частью системы контроля.

Один контракт, два предположения о волатильности

Рассмотрим европейский колл-опцион: цена базового актива и страйк равны $100, до экспирации шесть месяцев, непрерывно начисляемая ставка составляет 4%, дивидендная доходность — 1%, транзакционных издержек нет.

Используя расчет Блэка-Шоулза с постоянной волатильностью:

при волатильности 20% стоимость модели составляет примерно $6.34 за акцию;
при волатильности 25% стоимость модели составляет примерно $7.72 за акцию;
одно только изменение входного параметра сдвигает стоимость примерно на $1.38 или $138 для стандартного контракта на 100 акций.

Предположим, текущая котировка — $6.10 Bid / $6.50 Ask. Результат при 20 % находится внутри спреда, а при 25 % — значительно выше. Ни один расчет не доказывает арбитраж. Рынок может подразумевать иную волатильность, контракт может быть американского типа или учитывать иные дивиденды, либо постоянная IV может быть недостаточной структурой. Покупка по Ask только потому, что модель дает $7.72, также предполагает, что позицию впоследствии удастся хеджировать и закрыть при совместимых динамике, ликвидности и издержках.

Таблица чувствительности должна варьироваться более чем IV. Изменение дивидендной доходности, точной отметки срока действия, кривой ставок или стороны котировки может изменить как цену, так и греки. Для опциона на американские акции сравните результат в виде дерева или конечной разности и проверьте поведение его держателя (исполнения) при раннем погашении опциона. Для продукта, зависящего от пути, сравните независимо реализованный метод Монте-Карло или другой подходящий метод.

Проверочные тесты, которые отвечают на разные вопросы

Модульные и регрессионные тесты: воспроизводит ли код известные тождества и утвержденные эталонные результаты?
Сравнительный анализ: согласуется ли независимо разработанная модель-соперник или более простой предельный случай в пределах заранее заданного допуска?
Тесты сходимости: стабилизирует ли результат большее количество шагов дерева, точек сетки или путей моделирования?
Тесты на чувствительность: имеют ли знаки, величины и нелинейные изменения экономический смысл?
Проверка статического арбитража: соблюдает ли подобранная поверхность применимые монотонность по срокам и выпуклость по страйкам?
Анализ результатов: как оценки моделей, хеджирования и прогнозы соотносятся с реальными рынками и реализованными прибылями и убытками?

Следует документировать тестовые данные, допуски, сбои и их устранение. Совпадение двух систем — слабое доказательство, если обе используют одни и те же данные, библиотеку, предположения или родственный код.

Контрольный список проверки модели

Перед оценкой проверьте условия контракта на соответствие авторитетным спецификациям.
Укажите предполагаемое использование и явно запрещенное использование.
Запишите семейство модели, версию, владельца, версию кода и статус проверки.
Сохраняйте источник, метку времени, единицы измерения, преобразования и флаги качества для каждого ввода.
Отделите наблюдаемые рыночные данные от предполагаемых или вручную измененных значений.
Сравните результаты, откалиброванные по ценам Bid, Mid и Ask, при слабой ликвидности.
Проверьте ставки, дивиденды, займы, календари, часовые пояса и корпоративные действия.
Самостоятельно проверять цену и греки; правильная цена не является подтверждением правильной чувствительности.
Проверьте входные данные экстремальной точки, IV, времени, ставки и дивиденда без молчаливого числового сбоя.
Проверьте остатки калибровки по страту и сроку погашения, а не только одну общую ошибку.
Тестовая интерполяция и экстраполяция за пределами жидких узлов.
Сравните хотя бы одну конструктивно отличающуюся подходящую модель.
Добавьте стрессы скачков, асимметрии динамики, ликвидности и дискретного хеджирования за пределами базовой модели.
Перевести различия моделей в доллары контракта и портфеля.
Используйте исполняемые котировки при оценке реализуемой стоимости.
Отслеживайте переопределения, исключения, устаревшие значения и необъяснимые прибыли и убытки.
Повторно проверяйте модель после существенных изменений кода, данных, продукта, предполагаемого использования или рыночного режима.
Размер позиции для неопределенности модели, а не выбор наиболее благоприятного результата.

Распространённые заблуждения

«Формула правильная, значит, и цена правильная». Правильная математика может представлять неправильную рыночную проблему.
«Калибровка устраняет модельный риск». Он соответствует выбранным наблюдениям под выбранной структурой.
«Больше параметров всегда повышает точность». Они могут увеличить переобучение и нестабильность.
«Mid — объективная истина». Это ориентир, рассчитанный по котировкам, а не обязательно исполнимая цена.
«Подразумеваемая волатильность наблюдается напрямую». Ее получают обратным расчетом через модель и соглашения о входных данных.
«Греки — контрактные константы». Они зависят от модели, входных данных, единиц измерения и временной метки.
«Совпадение двух систем доказывает правильность». Общие данные, предположения или код могут привести к одной и той же ошибке.
«Только бэктестирование подтверждает правильность модели опциона». Остаются редкие хвосты, меняющиеся режимы и ограниченные наблюдения.
«Консервативная цена — это консервативная мера риска». Использование цены, хеджирования, маржи и стресса может потребовать различного консерватизма.
«Сложные модели исключают упрощение». Они переносят упрощение в новую динамику и параметры.
«Ошибка модели — это проблема только программиста». Управление, данные, интерпретация и использование могут доминировать над ошибками кода.