Trading & Investment hoạt động

Mô hình Heston — biến động ngẫu nhiên

Heston — Biến động ngẫu nhiên

Đã chạy được. Mục này có công cụ tính toán thật trên nền tảng, không phải mô tả lộ trình.

Biến động ngầm định Giải ngược Black-Scholes ra sigma thị trường

Mọi thị trường quyền chọn đều quy giá về implied volatility để so sánh. Đây là bước tính đó, giải bằng Newton–Raphson.

Implied volatility 20.00%
Sai số hội tụ 3.55e-15
Số vòng lặp 4
Vega 0.375239 / 1% vol
Kết luận Hội tụ tốt
① Tham số

Đường đi của Newton–Raphson

Đường đi của Newton–Raphson25.623.5321.4719.401234

Xuất phát từ 25% và dừng sau 4 vòng tại 20.00% (trục dọc tính bằng %). Newton bình phương sai số mỗi vòng khi đã vào gần nghiệm, nên đường phẳng ra rất nhanh. Bước bị chặn ở ±50% mỗi vòng để không nhảy ra ngoài vùng có nghiệm.

Diễn giải nhanh

Implied volatility 20.00%

Đây là biến động thị trường ĐANG định giá, không phải biến động sẽ xảy ra. Chạm trần 500% hoặc sàn 0,01% nghĩa là bộ giải không tìm được nghiệm — giá đưa vào nhiều khả năng không nhất quán với các tham số còn lại.

Hội tụ sau 4 vòng, sai số 3.55e-15

Sai số là |giá mô hình tại sigma tìm được − giá thị trường|. Trên 1e-6 nghĩa là bộ giải dừng vì hết vòng hoặc vì vega quá nhỏ, và con số IV phía trên không đáng tin.

Vega 0.375239 cho mỗi 1% biến động

Vega là độ nhạy của giá theo biến động. Vega nhỏ nghĩa là giá gần như không đổi khi sigma đổi, nên IV suy ngược lại rất nhạy với vài xu chênh lệch giá — quyền sâu trong hoặc ngoài tiền và gần đáo hạn luôn rơi vào tình trạng này.

Giá trị thời gian 5.57 (53.3% giá quyền) · moneyness S/K = 1.0000

Toàn bộ thông tin về biến động nằm trong phần giá trị thời gian. Khi nó chỉ còn vài phần trăm giá quyền thì IV gần như không xác định được từ giá.

Khi nào con số này sai: Implied vol là biến động mà thị trường ĐANG định giá, không phải biến động sẽ xảy ra. Chênh lệch giữa hai thứ đó chính là phần bù rủi ro biến động — nó dương ở hầu hết thị trường, hầu hết thời gian.

Chi tiết

Giá mô hình tại IV 10.45
Giá trị nội tại 4.88
Giá trị thời gian 5.57
Moneyness S/K 1.0000
Phương pháp Newton–Raphson trên vega, có giới hạn bước

Đường đi của Newton–Raphson

Đường đi của Newton–Raphson25.623.5321.4719.401234

Xuất phát từ 25% và dừng sau 4 vòng tại 20.00% (trục dọc tính bằng %). Newton bình phương sai số mỗi vòng khi đã vào gần nghiệm, nên đường phẳng ra rất nhanh. Bước bị chặn ở ±50% mỗi vòng để không nhảy ra ngoài vùng có nghiệm.

Giá Black-Scholes theo sigma — hàm đang được giải ngược

Giá mô hìnhGiá thị trường
Giá Black-Scholes theo sigma — hàm đang được giải ngược2819.4710.942.4042%9%16%24%31%38%45%53%60%

Chính hàm mà bộ giải đi trên đó. Giá tăng đơn điệu theo sigma nên nghiệm là duy nhất — chỗ hai đường cắt nhau là IV = 20.00%. Đường càng dốc thì vega càng lớn và IV càng ổn định trước sai lệch giá.

Toàn bộ chỉ số

Giá mô hình tại IV 10.45
Giá trị nội tại 4.88
Giá trị thời gian 5.57
Moneyness S/K 1.0000
Phương pháp Newton–Raphson trên vega, có giới hạn bước

Công thức đang dùng

tìm σ sao cho BS(σ) = giá thị trường

Đây là công thức thật mà mã nguồn chạy, không phải mô tả gần đúng. API tại /api/v1/tools/implied-vol gọi đúng hàm này, nên kết quả trên trang và qua API không thể lệch nhau.

Cách dùng

  1. Điền tham số ở cột trái. Mọi ô đã có sẵn giá trị ví dụ chạy được, nên bạn có thể bấm Tính ngay trước rồi sửa sau.
  2. Đọc thẻ số ở trên cùng, rồi mục Diễn giải nhanh để biết con số đó nói gì.
  3. Đọc dòng “Khi nào con số này sai” trước khi dùng kết quả để quyết định — đó là giả định vỡ đầu tiên.
Giới hạn chung. Công cụ này tính đúng công thức của nó trên dữ liệu bạn đưa vào. Nó không kiểm tra dữ liệu của bạn có phù hợp với giả định của phương pháp hay không — phần đó vẫn là việc của người dùng, và mục “sai ở đâu” bên dưới trang liệt kê các chỗ hỏng thường gặp.

Mô hình Heston — biến động ngẫu nhiên là gì

Mô hình Heston cho biến động tự nó là một quá trình ngẫu nhiên có hoàn nguyên về trung bình, thay vì hằng số. Nhờ đó nó tái tạo được volatility smile mà Black-Scholes không giải thích nổi.

Làm thế nào

  1. Hiệu chỉnh 5 tham số từ bề mặt giá quyền chọn đang giao dịch.
  2. Dùng biểu diễn hàm đặc trưng để định giá nhanh.
  3. Kiểm tra điều kiện Feller để tránh biến động chạm 0.

Đo bằng chỉ số nào

Sai số hiệu chỉnh trên toàn bề mặt strike × maturity
Tương quan giá–biến động tham số quyết định độ nghiêng của smile

Sai ở đâu

Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.

! Bài toán hiệu chỉnh không lồi: nhiều bộ tham số cho sai số tương đương nhưng dự báo khác hẳn.
! Tham số hiệu chỉnh hôm nay có thể vô nghĩa tuần sau.

Mô hình dùng cho Heston

Mỗi mô hình kèm giả định và điều kiện khiến nó sai — thứ quyết định bạn có nên dùng nó cho bài toán này hay không.

Hestonsắp có

Biến động ngẫu nhiên có hồi quy trung bình.

Hỏng khi: Hiệu chỉnh tham số không ổn định giữa các ngày.

Câu hỏi thường gặp

Mô hình Heston — biến động ngẫu nhiên là gì?

Mô hình Heston cho biến động tự nó là một quá trình ngẫu nhiên có hoàn nguyên về trung bình, thay vì hằng số. Nhờ đó nó tái tạo được volatility smile mà Black-Scholes không giải thích nổi.

Mô hình Heston — biến động ngẫu nhiên được làm như thế nào?

1. Hiệu chỉnh 5 tham số từ bề mặt giá quyền chọn đang giao dịch. 2. Dùng biểu diễn hàm đặc trưng để định giá nhanh. 3. Kiểm tra điều kiện Feller để tránh biến động chạm 0.

Mô hình Heston — biến động ngẫu nhiên hay sai ở đâu?

Bài toán hiệu chỉnh không lồi: nhiều bộ tham số cho sai số tương đương nhưng dự báo khác hẳn. Tham số hiệu chỉnh hôm nay có thể vô nghĩa tuần sau.

Đo mô hình heston — biến động ngẫu nhiên bằng chỉ số nào?

Sai số hiệu chỉnh — trên toàn bề mặt strike × maturity; Tương quan giá–biến động — tham số quyết định độ nghiêng của smile.

Mô hình Heston — biến động ngẫu nhiên trên QuantHub đã dùng được chưa?

Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.

Mô hình Heston — biến động ngẫu nhiên dùng những mô hình nào?

Heston — Biến động ngẫu nhiên có hồi quy trung bình..

Heston hỏng trong trường hợp nào?

Hiệu chỉnh tham số không ổn định giữa các ngày.

Chủ đề khác trong Pricing Models

Toàn bộ Trading
Black-Scholes Binomial Tree SABR Hull-White