GARCH模型与随机波动模型的对比期权定价和风险管理.docVIP

GARCH模型与随机波动模型的对比：期权定价和风险管理 译自Alfred Lehar， Martin Scheicher， Christian SchittenkopfGARCH vs. stochastic volatility:Option pricing and risk management 摘要： 在本文中，我们比较了B-S期权定价模型的两种通常延伸的样本绩效，即GARCH(广义自回归条件异方差)和SV（随即波动）。我们为日内的FTSE 100（英国富时100指数）期权价格校正了三个模型并且采用了两套绩效标准，即样本估价误差和风险值调整措施。当我们分析模型结果和观测价格的一致性时，GARCH明显优于SV和标准B-S模型。然而，假定的金融衍生工具持仓量的市场风险预测显示出相当大的误差。与实际盈亏的符合程度较低并且两个模型间没有明显的差别。因此，总体来说，我们注意到如果只是基于定价的目的而不是VaR预测，则期权定价模型越复杂越能改进B-S方法。 引言 在任何金融市场中，金融衍生工具的恰当估价对从业者来说都至关重要。金融衍生工具如今是投资者投资组合的主要组成部分。金融衍生产品的流通量和成交量从20世纪70年代开始就显著增长，该事实充分反映了金融市场的这一发展。对市场参与者而言，主要的问题是由标准B-S模型得到的价格与观测价格显著不同。这些系统估价误差可以由一个被称作“微笑”效应的特征事实证明如下：当波动性避开期权价格与价值状况和到期日发生冲突时，理论模型预测的结果就严重偏离事实。这些理论误差表明实际上波动率不是恒定的而是随时间变化的。这一结果与几何中布朗运动的恒定变动框架形成了对比，而布朗运动是B-S方法的基础。定价误差源于不切实际的假定，而且对市场参与者测定其投资组合的市场风险产生了严重的后果。在最近的几年中，监管部门已经允许金融机构使用内部风险模型来测定市场误差并分配经济资本。基于这些目的，VaR已成为最常见的方法（概念）。它测算了在一到十天的持有期内给定可能性的情况下，由不利的价格变动引起的可能的投资组合损失。在CAD（资本充足指引）的基础上，监管部门要求大型银行和证券公司每天计算其投资组合的VaR值。期权定价模型是marking-to-model systems（标记-模型系统）的关键组成部分，银行运用此系统来计算其交易活动的管理资本和经济资本。由于以下一系列的原因，计算金融衍生工具持仓量的潜在损失极具挑战性。首先，因为期权收益分配是基本资产收益分配的复值函数，所以期权是非线性金融衍生工具。风险因子的数目会增加，维珈风险也需要俘获（确定）。其次关于基本资产的期权收益分配的含义被曲解为正态分布是一个准确度有限的近似值。由于这些原因，致力于风险管理的实践者已经恢复了对学术研究文献中提及的期权定价模型的兴趣。 本文的目的是在三种常用的波动参数化法的基础上比较期权定价模型，这三种波动参数化方法是:恒定波动率，GARCH和随即波动率。我们运用两套标准来完成这一比较评估：统计和经济损耗函数，首先，我们测定涉及观测