Sıfırdan beşinci derece polinom
1/5Smile'ı bir polinomla fit edin
Bir SDE ya da stokastik oynaklık modeli seçmeyi unutun. Toplam varyans eğrisi w(k)'yı alın ve log-moneyness cinsinden doğrudan bir polinomla fit edin. Dilim başına altı katsayı. Bitti.
Fikir neredeyse rahatsız edici derecede basit. Toplam varyans w(k) =σ²·T, log-moneyness k = ln(K/F)'nin bir fonksiyonudur. Onu sadece bir polinomla fit edin:
Bunu, belirli geometrik anlamları olan beş parametreye sahip SVI ile karşılaştırın (seviye, eğim, eğrilik, merkez, yatım). Beşinci derece polinomun içsel anlamı olmayan altı parametresi vardır -- bunlar sadece polinom katsayılarıdır. Yorumlamada kaybettiğinizi esneklikte kazanırsınız.
Her katsayı, smile şeklinin farklı bir yönünü kontrol eder: a₀ ATM seviyesini belirler. a₁ doğrusal skew'i kontrol eder. a₂ eğriliği kontrol eder. Yüksek dereceli terimler, SVI'nin sabit şeklinin yakalayamadığı asimetriyi ve ince yapıyı ele alır.
SVI şekillendirilmiş bir kalıptır: yalnızca belirli bir aileye ait smile'lar yapabilir. Beşinci derece polinom yumuşak kildir: daha fazla şekil oluşturabilirsiniz ama kil bir smile'ın nasıl görünmesi gerektiğini bilmez. Anlamsız şekiller oluşturmasını önlemek için dışsal disipline (kısıtlar) ihtiyacınız var.
Neden beşinci derece?
Derece 5 en ideal noktadır. Kübik, gerçekçi smile'lar için fazla katıdır. Kuartik yardımcı olur ama put ve call kanatları arasındaki asimetriyi yine de idare edemez. Septik (derece 7) salınım yapar. Beşinci derece iğneden ipliği geçirir.
Kübik (derece 3): 4 katsayı. Yatık bir smile'ı yakalayabilir ama her kanadın bağımsız eğriliğini yakalayamaz. Sol kanat dikse ve sağ kanat düzse, kübik merkezi bozmadan ikisini de fit edemez.
Kuartik (derece 4): 5 katsayı. Daha iyi -- simetrik eğriliği idare edebilir -- ama yine de kanatları temiz bir şekilde ayırt edecek kadar yüksek tek kuvvetli bir terime sahip değil.
Beşinci derece (derece 5): 6 katsayı. Ek beşinci derece terim, doğru moneyness aralığında kanatların asimetrisi üzerinde bağımsız kontrol sağlar. Gerçek smile'lar asimetriktir (hisse senetlerinde ve kriptoda put kanadı call kanadından daha dik) ve beşinci derece bunu aşırı fit etmeden yakalar.
Septik (derece 7) ve üstü: Çok fazla serbestlik derecesi. Polinom veri noktaları arasında salınmaya başlar; piyasa verisinde olmayan sahte tümsekler ve dalgalanmalar oluşturur. Bu klasik yanlılık-varyans ödünleşimidir: daha fazla esneklik daha fazla aşırı fit etme riski demektir.
Yukarıdaki karşılaştırmaya bakın. Her dereceyi tıklayarak inceleyin. Kübik kanatları kaçırır. Kuartik yakın ama katı. Beşinci derece uyar. Septik dalgalanmaya başlar. O görsel, derece 5 için tüm gerekçedir.
Polinomlar üzerindeki arbitraj kısıtları
Polinom smile modellerinin temel sorunu şudur: kanatlarda çok hızlı büyürler. Roger Lee'nin moment formülü, |k| sonsuza giderken toplam varyansın |k|'da en fazla doğrusal büyümesi gerektiğini söyler. 5. derece bir polinom k gibi büyür⁵. Bu bir sorun.
Lee'nin moment formülü (2004), zımni oynaklığın asimptotik davranışını belirler:
Yukarıdaki grafik farkı çarpıcı biçimde gösteriyor. SVI'nın kanatları sınırlıdır: doğrusal bir eğime yaklaşırlar. Beşinci derece polinomun kanatları patlar. Uzak kanatlarda polinom, negatif kelebek spread'leri ima eden zımni oynaklıklar kote eder -- bedava para.
Çözüm: beşinci derece polinomu yalnızca smile'ın iç kısmında kullanın (diyelim, |k| < 0.5) ve dış tahmin için bir kanat modeline (doğrusal ya da SVI benzeri) harmanlayın. Bu standart üretim yaklaşımıdır: polinom iç kısım, kontrollü kanatlar.
Alternatif olarak, fit sırasında açık kısıtlar ekleyebilirsiniz:
1. w(k) ≥ 0 tüm k için (varyans pozitif olmalı).
2. w(k) is convex iç kısımda (kelebek arbitrajı yok -- bu Durrleman koşuludur).
3. w(k)/|k| ≤ 2 fit aralığının uç noktalarında.
Bu kısıtların hepsi katsayılarda doğrusal ya da kareseldir; bu yüzden kısıtsız en küçük kareler yerine kısıtlı bir en küçük kareler problemi (kuadratik program) çözülerek uygulanabilirler.
Kalibrasyon sadece doğrusal regresyondur
SVI'nın doğrusal olmayan optimizasyonunun (başlangıç değeri, iterasyon gerektiren ve yerel minimumlara takılabilen) aksine, bir polinomu fit etmek doğrusal bir en küçük kareler problemidir. Bir matris kurun, tek bir doğrusal sistem çözün, bitti.
Gözlemlenen N adet veri noktası verildiğinde (kᵢ, wᵢ), problem şudur:
Yukarıdaki veri noktalarını sürükleyin. Fit anında güncellenir çünkü sadece bir matris çözümüdür -- iterasyon yok, yakınsama sorunu yok, başlangıç değeri hassasiyeti yok. Bunu, optimize edicinin onlarca iterasyon alabildiği ve başlangıç noktanıza bağlı olarak farklı bir cevap bulabildiği SVI kalibrasyonuyla karşılaştırın.
Kısıt ekleme: Önceki bölümdeki arbitraj kısıtlarını (pozitiflik, dışbükeylik, kanat sınırları) eklerseniz, problem kısıtsız en küçük kareler yerine bir kuadratik program (QP) haline gelir. QP'ler hâlâ hızlı ve iyi çalışılmıştır -- çözücüler bunları milisaniyeler içinde halleder. Ana nokta: kısıtlı beşinci derece polinom, SVI'dan hâlâ çok daha hızlı kalibre edilir.
Sayısal kararlılık: Moneyness aralığı geniş olduğunda Vandermonde matrisi kötü koşullu olabilir. Standart çözümler: (1) fit'ten önce k'yı [-1, 1] aralığına ölçekleyin, (2) ham kuvvetler yerine ortogonal polinomlar (Chebyshev, Legendre) kullanın. Bunlar rutin sayısal analiz teknikleridir.
Beşinci derece polinom ve SVI karşılaştırması
İkisi de her yerde kazanmaz. Beşinci derece polinom fit etmesi daha hızlı ve iç kısımda daha esnektir. SVI'nın sınırlı kanatları ve yorumlanabilir parametreleri vardır. Hangisine başvuracağınızı bilin.
Beşinci derece polinom şu durumlarda kazanır:
1. Hızlı kalibrasyona ihtiyacınız var (gerçek zamanlı bir yüzey için saniyede binlerce dilim). Doğrusal çözüm hızda yenilmezdir.
2. Gözlemlenen smile, SVI'nın sabit şeklinin eşleşemeyeceği özelliklere sahiptir -- yerel tümsekler, olağandışı eğrilik, asimetrik kanatlar. Beşinci derece polinom iç kısımda daha esnektir.
3. Smile'ın iç kısmında çalışıyorsunuz (|k| < 0.3) ki burada kanat davranışı önemsizdir ve gözlemlenen veriye mümkün olan en sıkı fit'i istiyorsunuz.
SVI şu durumlarda kazanır:
1. Güvenilir kanat dış tahminine ihtiyacınız var. SVI'nın kanatlardaki asimptotik doğrusallığı yapısı gereği doğrudur. Beşinci derece polinom kırpılmalı ya da harmanlanmalıdır.
2. Risk yönetimi için yorumlanabilir parametreler istiyorsunuz. SVI'nın a (seviye), b (açı), ρ (yatım), m (merkez), σ (kanat yumuşatma) parametreleri doğrudan gözlemlenebilir smile özelliklerine karşılık gelir.
3. Vade sonları boyunca bir yüzey inşa ediyorsunuz. SSVI, SVI'yı arbitrajsızlık garantileriyle tüm yüzeye genişletir. Aynı garantilere sahip standart bir "yüzey beşinci derece polinomu" yoktur.
Üretim uzlaşması: Birçok masa her ikisini de kullanır. Hızlı iç kısım interpolasyonu ve gerçek zamanlı kotasyon için beşinci derece polinom. Resmi yüzey, kanat dış tahmini ve risk raporları için SVI ya da SSVI. Beşinci derece polinom veri açısından yoğun merkezi halleder; SVI seyrek kanatları halleder.
Beşinci derece polinom bir piyasa modeli değildir. Bir eğri uydurma aracıdır. Dinamikler, riskten korunma ya da smile'ın neden bu şekle sahip olduğu hakkında hiçbir şey söylemez. SVI de bir eğri uydurma aracıdır ama bir yüzeye genişleyecek kadar yapıya sahip olan biri. Gerçek dinamikler için SABR, Heston ya da bir stokastik yerel oynaklık modeline ihtiyacınız var. Beşinci derece polinom, ham veri ile gerçek bir model arasındaki boşlukta yaşar -- gürültülü gözlemlerden pürüzsüz, interpolasyonlu bir smile elde etmenin en hızlı yoludur.
Sonraki adım:
SVI Parametreleştirmesi -- sınırlı kanatlara sahip standart smile modeli
SSVI Yüzeyi -- arbitrajsızlık garantileriyle tüm yüzeye genişletilmiş SVI
İnterpolasyon Yöntemleri -- tüm fit etme yöntemlerinin karşılaştırması