Модель решетки (финансы) - Википедия - Lattice model (finance)

Биномиальная решетка с Формулы CRR

В финансы, а решетчатая модель^[1] это техника, применяемая к оценка производных финансовых инструментов, где дискретное время модель обязательна. За опционы на акции, типичным примером может быть цена Американский вариант, где решение о опционное исполнение требуется в любое время (в любое время) до наступления срока погашения включительно. С другой стороны, непрерывная модель, такая как Блэк – Скоулз, позволит оценить только Европейские варианты, где упражнения на срок погашения опциона. За производные по процентной ставке решетки дополнительно полезны тем, что они решают многие проблемы, с которыми сталкиваются непрерывные модели, такие как тянуть к номиналу.^[2] Метод также используется для оценки определенных экзотические варианты, где из-за зависимость от пути в выигрыше, Методы Монте-Карло для ценообразования опционов не учитывают оптимальные решения о прекращении деривативов досрочно,^[3] хотя сейчас существуют методы для решение этой проблемы.

Деривативы на акции и товары

В целом подход состоит в том, чтобы разделить время между текущим моментом и истечением опциона на N дискретные периоды. В определенное время п, модель имеет конечное число результатов за время п +1 такой, что все возможные изменения состояния мира между п и п +1 фиксируется в ветке. Этот процесс повторяется до тех пор, пока все возможные пути между п = 0 и п = N отображается. Затем оцениваются вероятности для каждого п к п + 1 путь. Результаты и вероятности перемещаются по дереву в обратном порядке, пока не будет рассчитана справедливая стоимость опциона на сегодняшний день.

Для акций и товаров приложение выглядит следующим образом. Первый шаг - проследить эволюцию ключевой базовой переменной (переменных) опциона, начиная с сегодняшнего дня. спотовая цена, так что это процесс согласуется с его непостоянством; лог-нормальный Броуновское движение с постоянной волатильностью.^[4] Следующим шагом является рекурсивная оценка параметра: отступление от последнего временного шага, на котором мы имеем ценность упражнения на каждом узле; и применение нейтральной к риску оценки на каждом более раннем узле, где стоимость опциона является взвешенной с учетом вероятности приведенная стоимость узлов вверх и вниз на более позднем временном шаге. Видеть Модель ценообразования биномиальных опционов § Метод для более подробной информации, а также Рациональное ценообразование § Оценка без риска для вывода логики и формул.

Как и выше, решеточный подход особенно полезен при оценке Американские варианты, где выбор: исполнить опцион раньше, или для удержания опциона, могут быть смоделированы для каждой дискретной комбинации времени / цены; это верно также для Бермудские варианты. По аналогичным причинам реальные варианты и опционы на акции сотрудников часто моделируются с использованием решетчатой ​​структуры, хотя и с измененными предположениями. В каждом из этих случаев третий шаг - определить, должен ли опцион быть исполнен или удерживаться, и затем применить это значение в рассматриваемом узле. Немного экзотические варианты, Такие как варианты барьеров, здесь также легко моделируются; для других Параметры, зависящие от пути, симуляция будет предпочтительнее. (Хотя древовидные методы были разработаны^[5][6])

Простейшей решеточной моделью является биномиальная модель ценообразования опционов;^[7] стандартный ("канонический"^[8]) метод предложен Кокс, Росс и Рубинштейн (CRR) в 1979 году; см. диаграмму для формул. Разработано более 20 других методов,^[9] при этом каждое «получено на основе различных допущений» в отношении изменения цены базового актива.^[4] В пределе, по мере увеличения количества шагов по времени они сходятся к Логнормальное распределение, и, следовательно, производят «ту же» цену опциона, что и Блэк-Шоулз: для достижения этого они будут разными способами стремиться к согласованию с базовым центральные моменты, сырые моменты и / или лог-моменты на каждом временном шаге, как измерено дискретно. Дальнейшие усовершенствования предназначены для достижения стабильности по отношению к Блэку-Шоулзу при изменении количества временных шагов. Более поздние модели фактически построены на прямой конвергенции с моделью Блэка-Шоулза.^[9]

Вариант на биномиальном - это Трехчленное дерево,^[10][11] разработан Фелим Бойл в 1986 году, где оценка основана на стоимости опциона на восходящем, нижнем и среднем узлах на более позднем временном шаге. Главное концептуальное отличие здесь состоит в том, что цена может также оставаться неизменной в течение определенного временного шага. Что касается бинома, существует аналогичный (хотя и меньший) набор методов. Рассмотрена трехчленная модель^[12] для получения более точных результатов, чем биномиальная модель, когда моделируется меньшее количество временных шагов, и поэтому используется, когда вычислительная скорость или ресурсы могут быть проблемой. За ванильные варианты, по мере увеличения количества шагов результаты быстро сходятся, и тогда предпочтение отдается биномиальной модели из-за ее более простой реализации. За экзотические варианты триномиальная модель (или адаптации) иногда более стабильна и точна, независимо от размера шага.

Различные Греки можно оценить непосредственно на решетке, где чувствительности рассчитываются с использованием конечных разностей.^[13] Дельта и гамма, являясь чувствительностью стоимости опциона по отношению к цена, приблизительно рассчитываются с учетом разницы между ценами опционов и их спотовой ценой на одном временном шаге. Тета, чувствительность ко времени также оценивается с учетом цены опциона в первом узле дерева и цены опциона для того же места на более позднем временном шаге. (Второй временной шаг для трехчлена, третий для биномиального. В зависимости от метода, если «понижающий коэффициент» не является обратным «повышающим коэффициентом», этот метод не будет точным.) ро, чувствительность к процентным ставкам, и Вега Из-за чувствительности к изменчивости входных данных измерение является косвенным, так как значение должно быть вычислено второй раз на новой решетке, построенной со слегка измененными входными данными - и чувствительность здесь также возвращается через конечную разность. Смотрите также Фугит - примерное время тренировки, которое обычно рассчитывается с помощью решетки.

Когда важно включить непостоянство улыбка, или же поверхность, подразумеваемые деревья могут быть построены. Здесь дерево составлено таким образом, что оно успешно воспроизводит выбранные (все) рыночные цены для различных страйков и истечений. Таким образом, эти деревья «гарантируют, что все европейские стандартные опционы (со страйками и сроками погашения, совпадающими с узлами дерева) будут иметь теоретические значения, соответствующие их рыночным ценам».^[14] Используя откалиброванную решетку, можно затем оценивать опционы с комбинациями страйк / срок погашения, не котируемыми на рынке, чтобы эти цены соответствовали наблюдаемым моделям волатильности. Существуют как подразумеваемые биномиальные деревья, довольно часто Рубинштейн IBT (R-IBT),^[15] и подразумеваемые трехчленные деревья, довольно часто Дерман -Кани-Крисс^[14] (DKC; заменяет DK-IBT^[16]). Первое легче построить, но оно соответствует только одной зрелости; последнее будет соответствовать, но в то же время требует, известное (или интерполированный ) цены на всех временных шагах и узлах. (DKC фактически дискретизированный местная волатильность модель.)

Что касается строительства, то для R-IBT первым шагом является восстановление «предполагаемых конечных рисков-нейтральных вероятностей» спотовых цен. Затем, исходя из предположения, что все пути, ведущие к одному конечному узлу, имеют одинаковую нейтральную с точки зрения риска вероятность, "вероятность пути" прикрепляется к каждому конечному узлу. После этого «это так же просто, как один-два-три», а трехшаговая обратная рекурсия позволяет восстанавливать вероятности узлов для каждого временного шага. Затем оценка опционов производится по стандарту, с заменой на п. Для DKC первым шагом является восстановление государственные цены соответствующие каждому узлу в дереве, чтобы они соответствовали наблюдаемым ценам опционов (т. е. поверхности волатильности). После этого для каждого узла находят верхнюю, нижнюю и среднюю вероятности, так что: в сумме они равны 1; спотовые цены, смежные по времени, изменяют риск нейтрально, включая дивидендная доходность; государственные цены так же «растут» без риска.^[17] (Решение здесь является итеративным для каждого временного шага, а не одновременным.) Что касается R-IBT, тогда оценка опционов осуществляется стандартной обратной рекурсией.

Как альтернатива, Биномиальные деревья Эджворта^[18] позволить аналитику, указанному перекос и эксцесс в доходах по спотовой цене; видеть Серия Эджворта. Этот подход полезен, когда поведение базового объекта (заметно) отклоняется от нормального. Связанное использование - калибровка дерева по волатильности улыбки (или поверхности) путем "разумного выбора".^[19] значений параметров - оцениваемые здесь опционы с разными страйками вернут разную подразумеваемую волатильность. Для оценки американских опционов Эджворт -сгенерированное окончательное распределение можно комбинировать с R-IBT. Этот подход ограничен набором пар асимметрии и эксцесса, для которых доступны допустимые распределения. Одно недавнее предложение, Биномиальные деревья Джонсона, заключается в использовании Н. Л. Джонсон система распределения, так как она способна вместить все возможные пары; видеть Распределение Johnson SU.

Для нескольких нижележащие, полиномиальные решетки^[20] могут быть построены, хотя количество узлов растет экспоненциально с увеличением количества базовых слоев. Как альтернатива, Варианты корзины например, цена может быть оценена с использованием "приблизительного распределения"^[21] через дерево Эджворта (или Джонсона).

Производные инструменты на процентную ставку

Решетки обычно используются при оценке опционы на облигации, Обмен, и другие производные по процентной ставке^[22][23] В этих случаях оценка в основном такая же, как и выше, но требует дополнительного нулевого шага построения дерева процентных ставок, на котором затем основывается цена базового актива. Следующий шаг также отличается: базовая цена здесь строится с помощью «обратной индукции», то есть течет назад от срока погашения, накапливая текущую стоимость запланированных денежных потоков на каждом узле, в отличие от движения вперед с даты оценки, как указано выше. Последний шаг - оценка опциона - выполняется стандартно. Смотрите в сторону.

Начальная решетка строится дискретизацией либо краткосрочная модель, Такие как Корпус – Белый или же Черная игрушка Derman, или форвардный курс на базе модели, такой как Модель рынка LIBOR или же HJM. Что касается равенства, для этих моделей также могут использоваться трехчленные деревья;^[24] это обычно имеет место для деревьев Hull-White.

Под HJM,^[25] то условие отсутствия арбитража означает, что существует мартингальная вероятностная мера, а также соответствующее ограничение на «коэффициенты дрейфа» форвардных курсов. Они, в свою очередь, зависят от волатильности форвардных курсов.^[26] "Простое" дискретное выражение^[27] поскольку дрейф позволяет выразить прямые скорости в биномиальной решетке. Для этих моделей, основанных на форвардных ставках, в зависимости от предположений о волатильности, решетка может не рекомбинировать.^[28][25] (Это означает, что «движение вверх», за которым следует «движение вниз», не даст такого же результата, как «движение вниз», за которым следует «движение вверх».) В этом случае иногда упоминается Решетка как «куст», и количество узлов растет экспоненциально в зависимости от количества временных шагов. Методология рекомбинации биномиального дерева также доступна для модели рынка Libor.^[29]

Что касается краткосрочных моделей, то они, в свою очередь, делятся на следующие категории: они будут либо равновесный (Васичек и CIR ) или же без арбитража (Хо – Ли и последующий ). Это различие: для моделей на основе равновесия кривая доходности является выход из модели, в то время как для моделей без арбитража кривая доходности представляет собой Вход к модели.^[30] В первом случае подход заключается в «калибровке» параметров модели, так что цены облигаций, производимые моделью в ее непрерывной форме, наиболее подходящий наблюдаемые рыночные цены.^[31] Затем строится дерево как функция этих параметров. В последнем случае калибровка выполняется непосредственно на решетке: соответствие соответствует как текущей временной структуре процентных ставок (т. Е. кривая доходности ), а соответствующие структура волатильности Здесь калибровка означает, что дерево процентных ставок воспроизводит цены бескупонные облигации - и любые другие ценные бумаги, чувствительные к изменению процентной ставки - используемые в построение кривой доходности; обратите внимание на параллель с подразумеваемыми деревьями для эквити выше, и сравните Бутстреппинг (финансы).Для моделей, предполагающих нормальное распределение (например, Хо-Ли) калибровка может выполняться аналитически, а для лог-нормальный модели калибровка осуществляется через алгоритм поиска корней; см. описание в рамке под Модель Black – Derman – Toy.

Структура волатильности, т.е. вертикальный интервал между узлами - здесь отражает волатильность ставок в течение квартала или другого периода, соответствующего временному шагу решетки. (Некоторые аналитики используют "реализованная волатильность ", т.е. применяемых ставок исторически для шага по времени; чтобы быть последовательными на рынке, аналитики обычно предпочитают использовать Текущий ограничение процентной ставки цены и подразумеваемая волатильность для Черный-76 -цены на каждый компонент каплет; видеть Верхний предел процентной ставки § Подразумеваемая волатильность.) Учитывая эту функциональную связь с волатильностью, обратите внимание на результирующую разница при построении подразумеваемых деревьев относительно собственного капитала: для процентных ставок волатильность известна для каждого временного шага, и значения узлов (то есть процентные ставки) должны быть решены для указанных вероятностей, нейтральных к риску; для капитала, с другой стороны, нельзя указать единственную волатильность для каждого временного шага, т.е. у нас есть "улыбка", и дерево строится путем решения вероятностей, соответствующих указанным значениям базового актива на каждом узле.

После калибровки решетка процентных ставок затем используется для оценки различных инструментов с фиксированным доходом и производных финансовых инструментов.^[25] Подход к опционам на облигации описан в стороне - обратите внимание, что этот подход решает проблему тянуть к номиналу опыт в закрытых подходах; видеть Модель Блэка – Шоулза § Оценка опционов на облигации. Для свопингов логика почти идентична, заменяя свопы для облигаций на шаге 1 и свопы для опционов на облигации на шаге 2. Для пределов (и минимальных уровней) шаги 1 и 2 объединены: в каждом узле значение основывается на соответствующих узлах на более позднем этапе, плюс для любого caplet (пол ) созревания на временном шаге, разница между его эталонной ставкой и короткой ставкой в ​​узле (и отражающая соответствующий дневная доля и обмен условной стоимости). За вызываемый и облигации с правом обратной продажи потребуется третий шаг: в каждом узле временного шага включить эффект встроенный вариант от цены облигации и / или цены опциона перед отступлением на один временной шаг. (И отмечая, что эти варианты не являются взаимоисключающими, и поэтому облигация может иметь несколько встроенных опционов;^[32] гибридные ценные бумаги рассматриваются ниже.) более экзотические производные процентные ставки, аналогичные настройки внесены в шаги 1 и далее. О «греках» см. В следующем разделе.

Альтернативный подход к моделированию (американских) опционов на облигации, особенно поражен на доходность к погашению (YTM), использует модифицированные методы долевой решетки.^[33] Здесь аналитик строит дерево CRR доходности к погашению, применяя предположение о постоянной волатильности, а затем рассчитывает цену облигации как функцию от этой доходности на каждом узле; цены здесь, таким образом, приближаются к номиналу. Второй шаг - включить любые временная структура волатильности путем построения соответствующего дерева DKC (на основе каждого второго временного шага в дереве CRR: поскольку DKC является трехчленным, тогда как CRR является биномиальным), а затем использовать его для оценки опционов.

Поскольку 2007–2012 гг. Мировой финансовый кризис, своп цены находится (обычно) под "многоугольный каркас ", тогда как раньше это было отклонение от единой кривой" самодисконтирования "; см. Своп процентных ставок § Оценка и расценки. Здесь выплаты задаются как функция от ЛИБОР специфический для тенор под вопросом, а дисконтирование Скорость OIS. Чтобы учесть это в структуре решетки, ставка OIS и соответствующая ставка LIBOR совместно моделируются в трехмерном дереве, построенном таким образом, что ставки обмена LIBOR согласованы.^[34] После выполнения нулевого шага оценка будет продолжаться в основном, как и раньше, с использованием шагов 1 и далее, но здесь с денежными потоками, основанными на «измерении» LIBOR, и дисконтированием с использованием соответствующих узлов из «измерения» OIS.

Гибридные ценные бумаги

Гибридные ценные бумаги, включающие в себя как долевые, так и облигационные особенности, также оцениваются с помощью деревьев.^[35] За конвертируемые облигации (CBs) подход Цивериотиса и Фернандеса (1998)^[36] состоит в том, чтобы разделить стоимость облигации на каждом узле на компонент «собственного капитала», возникающий из ситуаций, когда ЦБ будет конвертирован, и компонент «долга», возникающий из ситуаций, когда ЦБ погашается. Соответственно, строятся деревья-близнецы, где дисконтирование осуществляется по безрисковой и скорректированной на кредитный риск ставке соответственно, при этом сумма является стоимостью ЦБ.^[37] Существуют и другие методы, которые аналогичным образом объединяют дерево типа капитала с деревом короткой ставки.^[38] Альтернативный подход, первоначально опубликованный Голдман Сакс (1994),^[39] не разделяет компоненты, скорее, дисконтирование осуществляется по безрисковой и рискованной процентной ставке, взвешенной с учетом вероятности конвертации, в рамках одного дерева. Видеть Конвертируемая облигация § Оценка, Условная конвертируемая облигация.

В более общем смысле, беспристрастность можно рассматривать как опцион колл на фирме:^[40] когда стоимость фирмы меньше, чем стоимость непогашенного долга, акционеры предпочли бы не погашать долг фирмы; они предпочли бы отплатить - а не ликвидировать (т.е. реализовать свой выбор )-иначе. Для анализа справедливости здесь были разработаны решетчатые модели,^[41][42] особенно что касается проблемные фирмы.^[43] Соответственно, что касается ценообразования корпоративного долга, отношения между акционерами ограниченная ответственность и потенциал Глава 11 судебное разбирательство также было смоделировано с помощью решетки.^[44]

Расчет «греков» для процентных деривативов проводится как для собственного капитала. Однако существует дополнительное требование, особенно для гибридных ценных бумаг: то есть оценивать чувствительность, связанную с общие изменения в процентных ставках. Для связи с встроенный вариант, стандарт доходность к погашению основанные на расчетах продолжительность и выпуклость не учитывайте, как изменения процентных ставок повлияют на денежные потоки в результате исполнения опциона. Чтобы решить эту проблему, «эффективная» продолжительность и -выпуклость вводятся. Здесь, как и в случае с rho и vega выше, дерево процентных ставок перестраивается для восходящего, а затем нисходящего параллельный сдвиг на кривой доходности, и эти показатели рассчитываются численно с учетом соответствующих изменений в стоимости облигации.^[45]

Рекомендации

Библиография

• Дэвид Ф. Бэббел (1996). Оценка финансовых инструментов, чувствительных к интересам (1-е изд.). Джон Вили и сыновья. ISBN  978-1883249151.
• Джеральд Буетоу; Фрэнк Фабоцци (2000). Оценка процентных свопов и свопов. Джон Вили. ISBN  978-1883249892.
• Джеральд Буетоу и Джеймс Сохацки (2001). Модели термоструктуры с использованием биномиальных деревьев. Исследовательский фонд AIMR (Институт CFA ). ISBN  978-0-943205-53-3.
• Les Clewlow; Крис Стрикленд (1998). Реализация производных моделей. Нью-Джерси: Wiley. ISBN  978-0-471-96651-7.
• Рама Конт, изд. (2010). Древовидные методы в финансах, Энциклопедия количественных финансов. (PDF). Вайли. ISBN  978-0-470-05756-8.
• Фрэнк Фабоцци (1998). Оценка ценных бумаг с фиксированным доходом и деривативов (3-е изд.). Джон Вили. ISBN  978-1-883249-25-0.
• Эспен Хауг (2006). Полное руководство по формулам ценообразования опционов. Нью-Йорк: Макгроу-Хилл. ISBN  978-0-07-138997-6.
• Ричард Рендлман (2002). Применяемые производные инструменты: опционы, фьючерсы и свопы (1-е изд.). Вили-Блэквелл. ISBN  978-0-631-21590-5.
• Марк Рубинштейн (2000). Рубинштейн о производных (1-е изд.). Книги рисков. ISBN  978-1899332533.
• Стивен Шрив (2004). Стохастическое исчисление для финансов I: модель биномиального ценообразования активов. Springer. ISBN  978-0387249681.
• Дональд Дж. Смит (2017). Оценка в мире CVA, DVA и FVA: Учебное пособие по долговым ценным бумагам и производным инструментам процентной ставки. World Scientific. ISBN  978-9813222748.
• Джон ван дер Хук и Роберт Дж. Эллиотт (2006). Биномиальные модели в финансах. Springer. ISBN  978-0-387-25898-0.