Реальная динамика цен на акции и другие активы, которые могут выступать в качестве базовых активов для опционов, отличается от динамики, описываемой уравнением геометрического броуновского движения.
Данный факт говорит о неполной адекватности модели ценообразования Блэка-Шоулза и полученных из неё на тех же самых предположениях математических моделей. Но тем не менее, модель Блэка-Шоулза остаётся весьма популярной, что в основном объясняется простотой её применения.
В качестве одной из серьёзных проблем при использовании на практике модели Блэка-Шоулза можно выделить определение волатильности. Неоднозначность состоит в том, что волатильность , в отличие от других параметров модели Блэка-Шоулза (цена исполнения, период до погашения, ставка дисконта (безрисковая ставка), цена базового актива), является рассчитываемой величиной, т.е. в явном виде она не присутствует на рынке (не торгуется). В настоящее время появляются инструменты (например, использование дельта-нейтральной конструкции опционного портфеля, не зависящего от изменения цены базового актива, так называемая торговля волатильностью), которые, можно сказать, позволяют рассматривать волатильность некоторого актива как самостоятельную единицу, благодаря чему в будущем, возможно, указанная неоднозначность модели Блэка-Шоулза будет устранена.
Оценка исторической волатильности доходности базового актива может не совпадать с подразумеваемой (implied) волатильностью (стандартное отклонение доходности базиса, соответствующее определённой рыночной цене опциона по некоторой модели ценообразования, например, модели Блэка-Шоулза).
Например, кривые исторической волатильности фьючерса на индекс РТС, построенные с помощью простой скользящей средней (MA 20) и экспоненциальной скользящей средней (EWMA), и кривая подразумеваемой (implied) волатильности, которая вычисляется из цен опционов на фьючерс индекса РТС.
На рисунке видно, что динамика кривой подразумеваемой волатильности в целом повторяет динамику исторических оценок волатильности, но существует отрезок времени, в течение которого динамика исторической и подразумеваемой волатильности противоположна.
Кроме того, при реальной торговле на срочном рынке выясняется, что сама подразумеваемая волатильность для опционов, отличающихся только величинами страйков будет различаться. Данный эффект называется . Проявление эффекта улыбки волатильности свидетельствует о том, что будущее распределение вероятности для цены базового актива не будет являться логнормальным. Приведём примеры подобного эффекта на российском фондовом рынке на примере опционов на фьючерсы Газпрома.
Укрупнённо:
Цена базового актива на 06.02.06, т.е фьючерса на акции Газпрома, составляют 22400 р. Показанное на графике искривление волатильности говорит о том, что модель Блэка-Шоулза недооценивает опционы в деньгах и без денег (естественно, если исходить из предположения, что опционы около денег оценены верно). Поэтому опционы со страйками 21500 и 22500 р. оценены рынком дороже, чем оценка по модели Блэка-Шоулза.
Существуют и другие модификации эффекта «улыбки волатильности». Наиболее часто встречающиеся из них следующие: когда рынок оценивает опционы в деньгах дороже, чем опционы без денег, и обратная ситуация - рынок рынок дороже оценивает опционы без денег. Подобные ситуации иногда называют «ухмылка волатильности» (volatility smirk) , так как график становится несимметричен относительно области текущего значения базового актива. Данный эффект можно учитывать при прогнозировании направления движения котировок базового актива опциона в будущем. Если общий наклон кривой подразумеваемой волатильности отрицательный (как в приведённом примере с опционами на фьючерсы акций Газпрома), то ожидания того, что цены будут снижаться больше. Если же общий наклон кривой положительный, то трейдеры ожидают повышения цен на базовый актив.
Таким образом, при решении задачи ценообразования опциона необходимо учитывать и закладывать в модель подобные эффекты, наблюдаемые при функционировании реального рынка.
Существуют различные модели, позволяющие учитывать рассмотренные эффекты, но тем не менее, на практике часто обходятся моделью Блэка-Шоулза, осуществляя её дополнение с учётом исторического поведения подразумеваемой волатильности.
Дополнение заключается в построении таблицы следующего вида:
Таблица подразумеваемых волатильностей
|
Длительность |
|||||
|
6 месяцев |
|||||
В этой таблице приведены значения подразумеваемых волатильностей опционов с различными периодами до исполнения и различнми страйками. ATM – at the money - опцион около денег
Рассматривается 4 состояния:
(ATM – 2 SD) - опцион со страйком, меньшим на 2 стандартных отклонения страйка опциона около денег;
(ATM – 1 SD) - опцион со страйком, меньшим на 2 стандартных отклонения страйка опциона около денег;
(ATM + 1 SD) - опцион со страйком, превышающим страйк опциона около денег на 1 стандартное отклонение;
(ATM – 1 SD) - опцион со страйком, превышающим страйк опциона около денег на 1 стандартное отклонение.
Интерполяция (например, линейная) между определёнными значениями данной таблицы позволяет учитывать эффект искривления, не усложняя при этом саму модель Блэка-Шоулза. Так, например, годовая волатильность девятимесячного опциона, со страйком на 2 стандартных отклонения ниже страйка опциона около денег составит (33,6% + 32,5%)/2 = 33,05%.
Причины описанных эффектов могут объясняться воздействием спроса и предложения на опционы со стороны крупных участников срочного рынка. Например, крупный хедж фонд, обладающий длинными позициями в акциях различных эмитентов, может пытаться заработать дополнительную прибыль, продавая опционы колл без денег на акции этих эмитентов. Таким образом, фонд будет способствовать снижению цены продаваемых опционов, что в свою очередь приведёт к снижению подразумеваемой волатильности у этих опционов.
Для валютных опционов более характерен эффект именно «улыбки волатильности», а не «ухмылки волатильности» (в отличие от опционов на фьючерсы акций), что указывает на то, что трейдеры практически одинаково страхуются как от повышения, так и от понижения курса валютной пары. В сравнении с логнормальным распределением распределение вероятности курса валютных пар характеризуется более тяжелыми (толстыми) хвостами и более острой вершиной улыбки. Это может свидетельствовать о том, что участниками рынка в большей степени ожидают либо сильные, либо слабые изменения валютного курса, нежели среднюю амплитуду колебаний. Подобный вид графика, отображающего улыбку волатильности валютного опциона, можно объяснить валютными интервенциями центрального банка страны, поддерживающего стабильность своей валюты, вследствие чего существует высокая вероятность либо стабильности валютной пары, либо значительного отклонения (в случае безуспешного воздействия ЦБ на давление трейдеров).
Мы расскажем вам о волатильности, улыбке рынка, которая может растянуться на всю ширину и принести доход, или превратиться в ужасную гримасу и тогда ничего, кроме убытка не получится.
Считают показатель тенденции финансового инструмента изменять свою котировку во времени. Если говорить иначе, это диапазон от минимума к максимуму за некоторый промежуток времени. А если говорить словами детей, то это «улыбка» . Чем шире эта «улыбка», тем более рисковым является инструмент, и тем .
Улыбка волатильности на форекс — как ключевой индикатор риска
Все финансовые инструменты наделены своей собственной уникальной волатильностью. Обратите внимания можно измерить не только суточную волатильность, но и внутриторговосессионную.
Например, европейская или лондонская сессия является самой крупной на рынке Форекс, она обладает самой широкой волатильностью. Тут проводится самое большое число трансакций. До 30% от всего объема сделок за сутки. Сессия открывается по Гринвичу в 6 утра, в летнее время, закрывается в 14:00 в зимний период на час позже (читай — ). Во время сессии, среднее по всем основным парам составляет 80 пунктов. Суточная волатильность торговой пары ФунтФранк и ФунтЙена примерно 140 пипсов.
Самые торгуемые пары в лондонскую сессию ДолларФранк, ФунтДоллар, ДолларКанадскийДоллар, ЕвроДоллар. Рассчитав волатильность по этим торговым парам можно точно установить уровень риска для ордеров стоп-лосс и .
Интересный факт говорит нам о том, что когда лондонская сессия закрывается, многие крупные инвесторы берут и переводят свои деньги в Америку из Европы. Это связано с началом нью-йоркской сессии. Она вторая по объему продаж на рынке валютных операций Форекс. Это знание помогает при разработке системы для торговли. В нью-йоркскую торговую сессию самыми популярными считаются пары ФунтФранк, ФунтЙена, а также те же, что в лондонскую сессию.
Среднесуточный диапазон тут может составить 120 пипсов. Нью-йоркская сессия летом обслуживает клиентов с 12 до 20 по Гринвичу. Максимальная волатильность за торговые сутки будет наблюдаться в интервале с 12:00 до 14:00, когда европейская и американская сессии работают одновременно.
Токийская сессия работает с 0:00 до 8:00 по Гринвичу. Тут наиболее интересно торговать ФунтомФранком, и ФунтомЙеной. Среднесуточный диапазон равен примерно 100 пипсам.
Если вам удалось выявить различия торговых сессий, то у вас в руках система знаний , которая может стать прибыльной торговой системой для внутривременных зон. Такая система учтет продолжение тенденций или отката от ценовых уровней.
Учёт волатильности в каждой из временных зон позволит создать доходную торговую систему.
А вот как о волатильности говорят в последних новостях.
На всех рынках в ближайшие дни будет наблюдаться влияние , которые объединяют ключевые показатели.
Это ВВП США за III квартал и данные об уровне безработицы в сентябре. Также рынок продолжит находиться в ожидании комментариев главы ФРС об итогах последнего заседания, которое прошло 29-30 сентября, а также результатов прошедшего в конце недели заседания ЕЦБ. Может быть снижена ставка на фоне слабой статистики. Все эти ожидания поспособствуют высокой волатильности на рынке.
Наблюдая за поведением улыбки волатильности, уже давно мучали вопросы: Почему улыбка поднимается то вверх, то вниз? Почему она изогнута именно так, а не иначе? Почему перекатывается за текущей ценой БА, причем дно улыбки справа от БА и только к экспирации подтягивается к БА и улыбка становится симметричной? Почему ветви у нее то поднимаются, то опускаются? И главный вопрос: Что является причиной возникновения улыбки волатильности? В некоторых источниках утверждают, что улыбка возникает из-за толстых хвостов распределения приращений. Решил проверить это и провести небольшое исследование.
Насколько понял теорию вопроса, чтобы посчитать свою улыбку волатильности, нужно иметь распределение вероятностей, какой будет цена БА на экспирацию (в дальнейшем - распределение цен). Если знать это распределение, то можно однозначно вычислить цены опционов на каждом страйке, и потом, используя формулу Блека-Шоулза, можно вычислить IV на каждом страйке, и получить улыбку волатильности. Как можно получить распределение цен? Решил построить его, генерируя тысячи случайных траекторий цены, начиная с текущего значения БА. Конечные точки траекторий (цена БА на экспирацию) сохраняю, и в конце смотрю, как часто цена попадала в тот или иной диапазон. Так получаю распределение цен на экспирацию. Для построения случайной траектории решил использовать распределение приращений, которое реально было на рынке (в дальнейшем - эмпирическое распределение). Вот, например, распределение приращений (на минутках) для фьючерса RTS-9.11:
На гистограмму распределения реальных приращений наложен график плотности нормального распределения. Видно, что распределение реальных приращений отличается от нормального:
- Вероятность незначительных изменений цены больше, чем в нормальном распределении;
- Вероятность средних изменений цены меньше, чем в нормальном;
- Вероятность значительных изменений цены больше, чем в нормальном (площадь под хвостами +-3*сигмы у эмпирического распределения в три раза больше чем у нормального);
У этого распределения матожидание совпадает с текущим значением БА, поэтому можно рассчитывать улыбки. Посчитаем улыбку отдельно для путов и отдельно для коллов. Вот что получилось:
Черная жирная линия - улыбка волатильности, которую в тот момент транслировала биржа. Зеленая - улыбка волатильности, посчитанная по распределению цен для опционов колл. Розовая - улыбка волатильности для опционов пут.
Видно, что по краям посчитанные улыбки начинают расходиться, т.е. перестает выполняться колл-пут паритет. Но главное, посчитанные улыбки совсем не похожи на параболу. И напоминают скорее горизонтальную линию. Как же у биржевой улыбки получается парабола?
Здесь я долго бился, перепроверял расчеты, но все уточнения приводили к тому, что улыбка становилась все более похожей на горизонтальную линию. Пока не заметил, что в транслируемых биржей теор.ценах минимальная внутренняя стоимость опциона не бывает меньше 10п. Введя такую коррекцию, получил вот такую улыбку:
Это уже более похоже на биржевую улыбку. Но все равно смущает кусочно-линейная структура. Уберем коррекцию с 10п и искусственно «утяжелим» хвосты распределения цен так, чтобы это условие (внутренняя цена опциона >= 10п) выполнялось автоматически. Для такого распределения получаем вот такую улыбку:
Кажется, мы на верном пути и улыбка все ближе к биржевой. Вопрос только - как именно «утяжелить» хвосты у распределения цен? И почему собственно их нужно «утяжелять»? Ведь мы использовали распределение приращений, в котором и так хвосты были гораздо толще, чем у нормального распределения. Возможно, причина кроется в зависимости приращений. Когда мы строили очередную случайную траекторию движения БА к экспирации, то на каждом шаге очередное приращение выбиралось независимо от предыдущего. Т.е. мы исходили из принципа, что приращения в эмпирическом распределении независимы. Но так ли это в действительности?
Проведем эксперимент: после каждого значительного приращения (например, на +100п) запомним следующее приращение и посмотрим, какое получится распределение таких приращений. Вот какое условное распределение получается:
Видно, что матожидание этого распределения не ноль (0.02% от цены БА) и 60% приращений имеют положительные значения. Т.е. в 60% случаев после роста вверх на 100п и более, на следующем баре движение вверх продолжалось и в среднем было примерно 30-40п (скальперам - на заметку!). Т.е. наш экспресс-анализ показывает, что приращения нельзя считать независимыми. И для генерации случайной траектории движения цены нужно не просто случайно выбирать очередное приращение, а использовать при этом некие зависимости.
За смещение дна отвечает корреляция между ценой и волатильностью. То что мы наблюдаем для опционов на индекс - следствие отрицательной корреляции между приращениями цены фьючерса и приращениями его волатильности...
Попробуем смоделировать это. Т.е. будем использовать не фиксированное распределение приращений, а динамически меняющееся, в зависимости от того: растет текущая траектория цены или падает. Если растет, будем постепенно снижать волатильность. Если падает - будем повышать волу. Вот какое распределение цен получается при таком моделировании:
Видно, что теперь левая сторона распределения более растянутая, поскольку для ее построения использовалось более волатильное распределение приращений. Посмотрим теперь на улыбку, которая получается при таком распределении цен:
У улыбки справа возникла небольшая загогулина, видимо, у распределения цен справа недостаточно толстый хвост получился. Но главное, что утверждение Олега подтвердилось! Дно действительно сместилось вправо. Если посмотреть в динамике, то дно у такой улыбки будет также, как и у биржевой по мере приближения к экспирации подтягиваться к БА.
Итак, вот ответы на исходные вопросы:
- Отличие эмпирического распределения приращений от нормального и его толстые хвосты не является причиной возникновения улыбки.
- Улыбка возникает из-за толстых хвостов распределения цен на экспирацию.
- Скорее всего, эти толстые хвосты возникают из-за зависимости приращений в эмпирическом распределении.
- Вертикальное положение улыбки зависит от сигмы распределения приращений: распределение с большей сигмой будет поднимать улыбку вертикально вверх, с меньшей - опускать вниз.
- Наклон ветви улыбки зависит от «тяжести» хвоста распределения цен: чем «тяжелее» хвост, тем больше угол наклона соответствующей ветви улыбки.
- Смещение дна улыбки вправо связано с отрицательной корреляцией между ценой БА и его волатильностью.
Улыбка волатильности – это графическое отображение ожидаемого уровня волатильности по опционам с одинаковым базовым активом и разными страйками. Ожидаемая волатильность в опционах распределяется не равномерно, что четко видно по цифрам на рисунке ниже, где представлена доска опционов по декабрьским фьючерсам на обыкновенные акции Сбербанка.
Самая низкая волатильность наблюдается вблизи центрального страйка (т.е. страйка, наиболее приближенного к текущей рыночной цене). Чем страйк выше или ниже от текущей рыночной стоимости, тем волатильность больше.
Улыбка волатильности по данному инструменту выглядит так, как показано на картинке ниже. График построен в программе . По вертикали в процентах отмечена волатильность, по горизонтали – страйки или цены исполнения.
На графике улыбки невооруженным глазом наблюдается еще одна закономерность: если цена на базовый актив падает, то волатильность по соответствующим опционам растет быстрее, чем если цена на БА растет. Поэтому ее еще называют кривая улыбка волатильности. Почему улыбка волатильности выглядит именно так? Скажу сразу, что такая форма улыбки характерна преимущественно для фондовых активов, т.е. акций, облигаций, индексов на акции и др. Ее форма отражает исторически сложившуюся экономическую закономерность о том, что при прочих равных условиях фондовые активы растут гораздо медленнее, чем падают в какие-то кризисные моменты.
Другими словами, рост происходит достаточно плавно, цена осторожно, потихоньку поднимается, ведь фактически, рост – это отражение длительных позитивных рыночных тенденций. Но если случается какой-то кризис, или просто начинается коррекция, то цена снижается весьма резко. Поэтому конечно опционы на фондовые активы учитывают эту особенность в улыбке. При прочих равных условиях, путы с нижними страйками будут стоить дороже, чем коллы с верхними страйками. А поскольку путы стоят дороже, то и волатильность у них тоже должна быть больше. Отсюда следует тот факт, что продавцы путов зарабатывают больше (на премии), чем продавцы коллов, потому что риски резкого падения всегда гораздо больше, чем риски резкого роста.
По разным базовым активам улыбка волатильности будет выглядеть по-разному, это связано со спецификой самого инструмента, а точнее с особенностями движения его цены в историческом аспекте. Про фондовые активы я уже сказала, а вот на валютах данная линия будет выглядеть по-другому. На рисунке ниже приведен график улыбки для опционов с базовым активом фьючерс на пару евро/рубль.
В данном случае она ломаная, при этом диапазон ее колебания очень узок и находится в пределах от 20% до 28% (в то время как по акциям Сбербанка разброс составлял от 30% до 100%). Данный график свидетельствует о том, что ожидания трейдеров относительно будущей стоимости евро-рубль как вверх, так и вниз примерно одинаковы, т.е. при благоприятном внешнем фоне трейдеры не ждут резкого роста, равно как и при негативном сценарии никто не ждет резкого обвала. По товарным инструментам (опционы на фьючерсы на золото и на нефть) улыбка волатильности будет наклонена в сторону роста, т.е. трейдеры роста ожидают сильнее, нежели падения.
Итак, улыбка волатильности это линия, которая отражает уровень ожидаемой волатильности для с разными страйками по одному базовому активу. В теории эта линия всегда должна быть прямой, ведь по формуле Блэка-Шоулза (по которой рассчитывается ) предполагается, что волатильность одинакова для всех страйков. Однако на практике этого не наблюдается, напротив, по дальним страйкам она сильно смещена. Биржа рассчитывает улыбку исходя из текущих цен на опционы.
Продолжаем рассматривать алгоритмы построения улыбки волатильности. В этой статье будем находить "справедливые" цены опционов при помощи модели Хестона, которая относится к так называемым моделям стохастической волатильности. Хестон предложил использовать в качестве модели базового актива систему следующих уравнений:
где - цена и волатильность базового актива соответственно, - случайные броуновские процессы с корреляцией . - это квадратичный процесс с возвратом к среднему (mean reverting) со средним значением и интенсивностью k. - среднеквадратичное отклонение волатильности, r - безрисковая ставка (для маржируемых равна 0, поэтому исключим сразу этот параметр для российского рынка).
Реальное статистическое распределение приращений цен базового актива плохо соответствует Гауссовскому распределению, на основе которого была получена формула Блэка-Шоулза. Модель Хестона может описывать разные стат. распределения, например, коэффициент может быть интерпретирован как корелляция между логарифмом приращения цены и волатильностью актива, что позволяет учитывать эффект "толстых хвостов" распределения. График плотности распределения приращения цены с разными значениями приведен в заглавии поста.
Цена европейского колл опциона для модели Хестона вычисляется по формуле:
Где
для j=1,2, где
Этот набор формул кажется сложным, однако решить их достаточно просто с помощью программы на C#, которая будет приведена ниже. Сложность составляет только вычисление интеграла с верхним бесконечным пределом в формуле для , который находится с помощью числового метода Гаусса-Лагендре в той же программе. Также, для упрощения, можно сократить число параметров, убрав из них меру риска , применив риск-нейтральный подход. В этом случае:
Функция расчета формулы Хестона на языке C#:
//a-нижний предел интеграла (равен 0) //b - верхний предел интеграла. Выбирается значение от 100 до 200, в зависимости от нужной точности //delta - вычисляется грек дельта, который равен значению Р1 в формуле Хестона double HestonCallGaussLegendre(double S,double K,double T,double r,double kappa,double theta, double sigma,double lambda,double v0,double rho,int trap, double a, double b,ref double delta) { // Числовое интегрирование double int1=new double; double int2 = new double; double y; for (int k=0; k< =31; k++) { y = (a + b) / 2.0 + (b - a) / 2.0 * X[k]; int1[k] = W[k]*HestonCF(y,S,K,r,T,rho,kappa,theta,lambda,sigma,v0,1,trap); int2[k] = W[k]*HestonCF(y,S,K,r,T,rho,kappa,theta,lambda,sigma,v0,2,trap); } // Векторы для интегральной суммы double I1 = VectorSum(int1); double I2 = VectorSum(int2); // Определение Р1 и Р2 double P1 = 0.5 + 1.0/Math.PI*I1*(b-a)/2; double P2 = 0.5 + 1.0/Math.PI*I2*(b-a)/2; delta = P1; // Цена колл опциона return S*P1 - K*P2; } // Функция суммирования элементов вектора double VectorSum(double A) { double sum = 0; double n = A.Length; for (int i = 0; i <= n - 1; i++) sum += A[i]; return sum; } private double HestonCF(Complex phi, double Spot, double Strike, double Rate, double T, double Rho, double Kappa, double Theta, double Lambda, double Sigma, double V, int Pnum, int trap) { Complex S=new Complex(Spot , 0.0); // Цена базового актива Complex K=new Complex(Strike, 0.0); // Страйк Complex r=new Complex(Rate , 0.0); // Безрисковая ставка (для марж. опционов =0) Complex tau=new Complex(T , 0.0); // Период до экспирации в долях года Complex i=new Complex(0.0 , 1.0); // Мнимая переменная Complex rho=new Complex(Rho , 0.0); // Параметр Хестона: Корреляция Complex kappa = new Complex(Kappa, 0.0); // Параметр Хестона: Скорость возврата Complex theta = new Complex(Theta, 0.0); // Параметр Хестона: уровень возвратности Complex lambda = new Complex(Lambda, 0.0); // Параметр Хестона: мера риска (равна 0 для риск-нейтрального подхода) Complex sigma = new Complex(Sigma, 0.0); // Параметр Хестона: Среднеквадратичное волатильности Complex v0 = new Complex(V, 0.0); // Параметр Хестона: Текущая волатильность Complex two=new Complex(2.0 , 0.0); // число 2 в комплексной форме Complex one = new Complex(1.0, 0.0); // число 1 в комплексной форме Complex y, a, u, b, sigma2, d, g, G, C, D, c, f; y = rho*sigma*phi*i; a = kappa*theta; if (Pnum==1) { // Первая характеристическая функция u = 0.5; b = kappa + lambda - rho*sigma; } else { // Вторая характеристическая функция u = -0.5; b = kappa + lambda; } sigma2 = Complex.Pow(sigma,2); d = Complex.Sqrt((y-b)*(y-b) - sigma2*(two*u*phi*i - phi*phi)); g = (b - y + d)/(b - y - d); if (trap==1) { // Версия модели "Little Heston Trap" c = one/g; G = (one - c*Complex.Exp(-d*tau))/(one - c); C = r*i*phi*tau + a/sigma2*((b - rho*sigma*i*phi - d)*tau - two*Complex.Log(G)); D = (b - rho * sigma * i * phi - d) / sigma2 * ((one - Complex.Exp(-d * tau)) / (one - c * Complex.Exp(-d * tau))); } else { // Оригинальный вариант Хестона G = (one - g * Complex.Exp(d * tau)) / (one - g); C = r*i*phi*tau + a/sigma2*((b - rho*sigma*i*phi + d)*tau - two*Complex.Log(G)); D = (b - rho * sigma * i * phi + d) / sigma2 * ((one - Complex.Exp(d * tau)) / (one - g * Complex.Exp(d * tau))); } f = Complex.Exp(C + D*v0 + i*phi*Complex.Log(S)); // Вычисление реальной части подинтегрального выражения return (Complex.Exp(-i*phi*Complex.Log(K))*f/i/phi).Real; }
Следующий шаг - определение пяти параметров (V - текущая волатильность). Для этого нужно откалибровать модель по наблюдаемым рыночным ценам опционов. Применяем стандартный метод - берем выборку цен для опционов разных страйков за определенный период времени (вместе со сроками до экспирации), при этом рыночной ценой опциона считаем среднюю цену между бидом и аском ( , и минимизируем следующее выражение, применяя нелинейный метод наименьших квадратов (МНК):
где - вектор параметров, - задаваемые веса (их выбор обсудим позже), N - размер выборки. Выражение в правой части означает,что полученные значения должны попадать в промежуток между бидом и аском наблюдаемых рыночных цен. Это ограничение, равно как и условие MathJax_Preview"> , останавливается и выдает не оптимальные значения. Таким образом, нахождение оптимальных параметров модели Хестона является нетривиальной задачей, и применяются следующие способы ее решения:
Веса можно задать в соответствии с формулой: . Это интуитивный выбор, основанный на том, что, чем шире спред, тем больше свобода выбора в значении цены опциона. Для российского рынка лучшая аппроксимация получалась у меня при выборе одинакового значения весов, равного 1, но я не брал в рассмотрение слишком дальние страйки.
Получив параметры модели Хестона, мы сможем вычислить цены опционов для любого страйка и периода до экспирации. Для наглядности мы сможем построить улыбку волатильности по значениям подразумеваемой волатильности из формулы Блэка-Шоулза, подставив в нее хестоновские цены опционов - см. график в начале поста.
Модель Хестона отражает реальное статистическое распределение приращений цены базового актива значительно лучше, чем это делает модель Блэка-Шоулза, в чем вы сможете убедиться, сравнивая реальные рыночные цены опционов с полученными по этой модели. Однако у нее есть один существенный недостаток, который проявляется в том, что, если до экспирации остается небольшой срок (около недели для российского рынка) цены крайних страйков модель определяет неверно, в терминах подразумеваемой волатильности - хвосты улыбки начинают расходиться:
Чтобы устранить этот недостаток мы должны перейти к применению модифицированной модели Хестона - модели Бэйтса, являющейся одной из лучших аппроксимаций, позволяющих с макимальной точностью находить "справедливые" цены опционов. Ее мы рассмотрим в следующей части цикла статей про улыбку волатильности.
