[논문 리뷰] Models with time-dependent parameters using transform methods: application to Heston's model

Alberto Elices|ArXiv.org|2007. 08. 15.

Stochastic processes and financial applications참고 문헌 16인용 수 10

한 줄 요약

이 논문은 해스톤의 스토케스틱 볼라티리티 모델을 포함한 애피닉스 점프-디퓨전 모델에 시간에 따라 변하는 파라미터를 통합하기 위해 변환 기반 방법론을 제안하며, 해석적 취급 가능성을 유지한다. 이는 룩업 알고리즘을 통해 볼라티리티 표면에의 캘리브레이션을 가능하게 하며, 프론트 스타트 옵션의 해석적 평가를 가능하게 하여 유로스톡스 50 지수 사례 연구에서 프론트 스타크 동적 특성을 드러낸다.

ABSTRACT

This paper presents a methodology to introduce time-dependent parameters for a wide family of models preserving their analytic tractability. This family includes hybrid models with stochastic volatility, stochastic interest-rates, jumps and their non-hybrid counterparts. The methodology is applied to Heston's model. A bootstrapping algorithm is presented for calibration. A case study works out the calibration of the time-dependent parameters to the volatility surface of the Eurostoxx 50 index. The methodology is also applied to the analytic valuation of forward start vanilla options driven by Heston's model. This result is used to explore the forward skew of the case study.

연구 동기 및 목표

• 시간에 따라 변하는 파라미터를 갖는 애피닉스 모델을 해석적 취급 가능성을 유지하면서 확장하기 위해.
• 변환 방법을 사용하여 시간에 따라 변하는 파라미터에 대한 캘리브레이션 프레임워크를 개발하기 위해.
• 시간에 따라 변하는 해스톤 모델 하에서 프론트 스타트 옵션의 해석적 평가를 가능하게 하기 위해.
• 캘리브레이션된 시간에 따라 변하는 파라미터를 사용하여 프론트 스타크 동적 특성을 분석하기 위해.
• 특히 유로스톡스 50 지수를 포함한 실제 시장 데이터에 이 방법론을 적용하기 위해.

제안 방법

• 시간에 따라 변하는 파라미터를 갖는 모델에서 해석적 취급 가능성을 유지하기 위해 특성 함수 변환을 활용한다.
• 관측된 옵션 가격에 시간에 따라 변하는 파라미터를 캘리브레이션하기 위해 순차적 룩업 알고리즘을 적용한다.
• 해스톤 모델에서 시간에 따라 변하는 볼라티리티와 평균 회귀를 처리하기 위해 특성 함수 형식을 적응시킨다.
• 변환 방법을 사용하여 시간에 따라 변하는 파라미터 하에서 특성 함수의 폐쇄형 표현을 유도한다.
• 옵션 가격을 효율적으로 계산하기 위해 역 푸리에 변환을 활용한다.
• 유로스톡스 50 볼라티리티 표면에 시간에 따라 변하는 파라미터를 피팅하여 방법론을 실제 시장 데이터에 대해 검증한다.

실험 결과

연구 질문

• RQ1 시간에 따라 변하는 파라미터가 해스톤 모델에 도입될 수 있는가, 이때 해석적 취급 가능성이 유지되는가?
• RQ2 시간에 따라 변하는 파라미터는 어떻게 효율적으로 임의의 볼라티리티 표면에 캘리브레이션할 수 있는가?
• RQ3 시간에 따라 변하는 파라미터는 프론트 스타트 옵션의 가격에 어떤 영향을 미치는가?
• RQ4 시간에 따라 변하는 해스톤 다이내믹스 하에서 프론트 스타크는 어떻게 변화하는가?
• RQ5 제안된 방법은 실제로 관측된 볼라티리티 표면을 정확하게 재현할 수 있는가?

주요 결과

• 특성 함수 조작을 통해 시간에 따라 변하는 파라미터를 갖는 해스톤 모델에서 해석적 취급 가능성이 성공적으로 유지된다.
• 룩업 알고리즘이 유로스톡스 50 볼라티리티 표면에 시간에 따라 변하는 파라미터를 안정적이고 효율적으로 캘리브레이션하는 데 기여한다.
• 모델은 유로스톡스 50 지수의 이론적 볼라티리티 표면의 만기 구조와 스키ュー를 정확히 포착한다.
• 유도된 특성 함수를 사용하여 시간에 따라 변하는 해스톤 모델 하에서 프론트 스타트 옵션을 해석적으로 평가할 수 있다.
• 캘리브레이션된 모델은 뚜렷한 프론트 스타크를 드러내며, 이는 시장 관측 결과와 일치한다.
• 이 방법론은 스토케스틱 이자율, 점프, 스토케스틱 볼라티리티를 포함한 하이브리드 모델로도 확장 가능하다.