Поліном п'ятого степеня з нуля
1/5Апроксимуйте усмішку поліномом
Забудьте про вибір SDE чи стохастичної моделі волатильності. Візьміть криву сумарної дисперсії w(k) і апроксимуйте її безпосередньо поліномом за лог-монейністю. Шість коефіцієнтів на зріз. Готово.
Ідея майже образливо проста. Сумарна дисперсія w(k) =σ²·T — це функція лог-монейності k = ln(K/F). Просто апроксимуйте її поліномом:
Порівняйте це з SVI, який має п'ять параметрів із конкретними геометричними значеннями (рівень, нахил, кривизна, центр, скіс). Квінтик має шість параметрів без внутрішнього змісту — це просто коефіцієнти полінома. Що ви втрачаєте в інтерпретованості, то виграєте у гнучкості.
Кожен коефіцієнт контролює різний аспект форми усмішки: a₀ задає рівень ATM. a₁ контролює лінійний скью. a₂ контролює кривизну. Члени вищого порядку опрацьовують асиметрію та тонку структуру, яку фіксована форма SVI не може вловити.
SVI — це фігурна форма для лиття: вона може створювати лише усмішки певного сімейства. Квінтик — це м'яка глина: ви можете формувати більше форм, але глина не знає, як має виглядати усмішка. Вам потрібна зовнішня дисципліна (обмеження), щоб не дати їй створювати безглузді форми.
Чому квінтик?
Степінь 5 — це золота середина. Кубічний поліном надто жорсткий для реалістичних усмішок. Квартичний допомагає, але все ще не справляється з асиметрією між пут- і колл-крилами. Септичний (степінь 7) осцилює. Квінтик влучає в ціль.
Кубічний (степінь 3): 4 коефіцієнти. Може відтворити нахилену усмішку, але не незалежну кривизну кожного крила. Якщо ліве крило круте, а праве плоске, кубічний поліном не може апроксимувати обидва, не спотворивши центр.
Квартичний (степінь 4): 5 коефіцієнтів. Краще — він справляється із симетричною кривизною — але все ще бракує члена непарного степеня, достатньо високого, щоб чітко розрізняти крила.
Квінтичний (степінь 5): 6 коефіцієнтів. Додатковий член п'ятого степеня дає незалежний контроль над асиметрією крил у потрібному діапазоні монейності. Реальні усмішки асиметричні (пут-крило крутіше за колл-крило в акціях і крипто), і квінтик відтворює це без перенавчання.
Септичний (степінь 7) і вище: Забагато ступенів свободи. Поліном починає осцилювати між точками даних, створюючи хибні горби та коливання, яких немає в ринкових даних. Це класичний компроміс зсув-дисперсія: більше гнучкості означає більший ризик перенавчання.
Погляньте на порівняння вище. Переклацайте кожен степінь. Кубічний не влучає в крила. Квартичний близький, але жорсткий. Квінтик збігається. Септичний починає коливатися. Ця візуалізація — цілий аргумент на користь степеня 5.
Арбітражні обмеження для поліномів
Ось фундаментальна проблема поліноміальних моделей усмішки: вони надто швидко зростають у крилах. Формула моментів Роджера Лі говорить, що сумарна дисперсія має зростати щонайбільше лінійно за |k|, коли |k| прямує до нескінченності. Поліном степеня 5 зростає як k⁵. Це проблема.
Формула моментів Лі (2004) встановлює асимптотичну поведінку імпліцитної волатильності:
Графік вище яскраво показує різницю. Крила SVI обмежені: вони наближаються до лінійного нахилу. Крила квінтика вибухають. У далеких крилах поліном котирує імпліцитні волатильності, що передбачають від'ємні спреди метелика — безкоштовні гроші.
Рішення: використовуйте квінтик лише у внутрішній частині усмішки (скажімо, |k| < 0.5) і переходьте до моделі крил (лінійної чи SVI-подібної) для екстраполяції. Це стандартний робочий підхід: поліноміальна внутрішня частина, контрольовані крила.
Як альтернатива, ви можете додати явні обмеження під час апроксимації:
1. w(k) ≥ 0 для всіх k (дисперсія має бути додатною).
2. w(k) is convex у внутрішній частині (немає арбітражу метелика — це умова Дюррлемана).
3. w(k)/|k| ≤ 2 на кінцях діапазону апроксимації.
Усі ці обмеження лінійні або квадратичні за коефіцієнтами, тож їх можна застосувати, розв'язуючи задачу найменших квадратів з обмеженнями (квадратичне програмування) замість необмежених найменших квадратів.
Калібрування — це просто лінійна регресія
На відміну від нелінійної оптимізації SVI (яка вимагає ініціалізації, ітерацій і може застрягти в локальних мінімумах), апроксимація полінома — це задача лінійних найменших квадратів. Задайте матрицю, розв'яжіть одну лінійну систему, готово.
Маючи N спостережуваних точок даних (kᵢ, wᵢ), задача полягає в:
Перетягуйте точки даних вище. Апроксимація оновлюється миттєво, бо це просто розв'язання матриці — без ітерацій, без проблем збіжності, без чутливості до ініціалізації. Порівняйте це з калібруванням SVI, де оптимізатор може виконати десятки ітерацій і може знайти різну відповідь залежно від того, звідки ви починаєте.
Додавання обмежень: Якщо ви додасте арбітражні обмеження з попереднього розділу (додатність, опуклість, межі крил), задача стане квадратичним програмуванням (QP) замість необмежених найменших квадратів. QP усе ще швидкі та добре вивчені — розв'язувачі обробляють їх за мілісекунди. Ключовий момент: квінтик з обмеженнями все одно калібрується значно швидше за SVI.
Числова стійкість: Матриця Вандермонда може бути погано обумовленою, коли діапазон монейності широкий. Стандартні засоби: (1) масштабуйте k до [-1, 1] перед апроксимацією, (2) використовуйте ортогональні поліноми (Чебишова, Лежандра) замість чистих степенів. Це рутинні методи числового аналізу.
Квінтик проти SVI
Жоден не виграє скрізь. Квінтик швидший в апроксимації та гнучкіший у внутрішній частині. SVI має обмежені крила та інтерпретовані параметри. Знайте, до якого звертатися.
Квінтик виграє, коли:
1. Вам потрібне швидке калібрування (тисячі зрізів на секунду для поверхні в реальному часі). Лінійне розв'язання неперевершене за швидкістю.
2. Спостережувана усмішка має особливості, які фіксована форма SVI не може відтворити — локальні горби, незвична кривизна, асиметричні крила. Квінтик гнучкіший у внутрішній частині.
3. Ви працюєте у внутрішній частині усмішки (|k| < 0.3), де поведінка крил не має значення і ви хочете якнайщільнішу апроксимацію спостережуваних даних.
SVI виграє, коли:
1. Вам потрібна надійна екстраполяція крил. Асимптотична лінійність SVI у крилах правильна за побудовою. Квінтик потрібно обрізати або змішувати.
2. Ви хочете інтерпретовані параметри для управління ризиком. У SVI a (рівень), b (кут), ρ (скіс), m (центр), σ (згладжування крил) прямо відображаються на спостережувані особливості усмішки.
3. Ви будуєте поверхню за експіраціями. SSVI розширює SVI на всю поверхню з гарантіями відсутності арбітражу. Немає стандартного «поверхневого квінтика» з такими самими гарантіями.
Робочий компроміс: Багато десків використовують обидва. Квінтик для швидкої внутрішньої інтерполяції та котирування в реальному часі. SVI чи SSVI для офіційної поверхні, екстраполяції крил і звітів з ризику. Квінтик обробляє щільний за даними центр; SVI обробляє розріджені крила.
Квінтичний поліном — це не модель ринку. Це інструмент апроксимації кривих. Він нічого не говорить про динаміку, хеджування чи про те, чому усмішка має таку форму. SVI також інструмент апроксимації кривих, але з достатньою структурою, щоб розширитися до поверхні. Для реальної динаміки вам потрібні SABR, Heston або стохастична модель локальної волатильності. Квінтик живе в просторі між сирими даними та справжньою моделлю — це найшвидший спосіб отримати гладку інтерпольовану усмішку із зашумлених спостережень.
Куди рухатися далі:
Параметризація SVI -- стандартна модель усмішки з обмеженими крилами
Поверхня SSVI -- SVI, розширений на всю поверхню з гарантіями відсутності арбітражу
Методи інтерполяції -- порівняння всіх методів апроксимації