Các Phương Pháp Nội Suy Cho Bề Mặt Biến Động

thông tin

Đây là trang bổ trợ cho Cách Xây Dựng Bề Mặt Biến Động. Hãy bắt đầu từ đó để hiểu bối cảnh vì sao nội suy lại quan trọng.

Bề mặt biến động có những khoảng trống. Nội suy sẽ lấp đầy chúng. Việc lựa chọn phương pháp quyết định liệu bề mặt kết quả có mượt mà, không có arbitrage và ổn định hay không. Trang này so sánh các cách tiếp cận chính.

So sánh phương pháp nội suy

Các chấm trắng là các báo giá thị trường thực duy nhất. Mọi thứ ở giữa là ước tính. Click từng phương pháp để thấy ưu và nhược điểm.

Điều Gì Có Thể Sai

Trước khi đi sâu vào từng phương pháp, hãy tự mình xem các vấn đề. Cùng 7 quan sát thị trường, ba phương pháp nội suy khác nhau. Hãy quan sát điều gì xảy ra ở phần cánh (wings) và tại các điểm dữ liệu.

Điều gì có thể sai: Lỗi nội suy

Cùng 7 quan sát thị trường, ba phương pháp nội suy khác nhau. Hãy xem điều gì xảy ra ở phần cánh.

Các đường cong đa thức mượt. Có thể dao động và vượt ngưỡng ở phần cánh.

Các chấm trắng là những quan sát thực duy nhất. Nhấp "So sánh tất cả" để chồng cả ba phương pháp lên nhau. Hãy chú ý cách spline vượt ngưỡng ở cánh trái trong khi SVI vẫn giữ trong giới hạn.

---

Các Phương Pháp Phi Tham Số

Các phương pháp này khớp đường cong qua các điểm dữ liệu mà không giả định một dạng hàm cụ thể. Chúng nhanh và đơn giản, nhưng không cung cấp bất kỳ đảm bảo cấu trúc nào.

Nội suy tuyến tính (linear)

Vẽ các đường thẳng giữa các điểm dữ liệu liền kề.

Ưu điểm:

• Cực kỳ đơn giản để triển khai
• Không cần khớp hay tối ưu hóa
• Có tính xác định: cùng đầu vào luôn cho cùng đầu ra

Nhược điểm:

• Tạo ra các góc nhọn tại mỗi điểm dữ liệu. Những góc này tạo ra đạo hàm bậc nhất không liên tục, nghĩa là các chỉ số Greeks (đặc biệt là gamma) nhảy đột ngột tại các giá strike quan sát được.
• Không có đảm bảo chống lại butterfly arbitrage. Một đường thẳng giữa hai điểm có thể trũng xuống dưới vị trí mà một smile lồi đúng chuẩn nên có.
• Ngoại suy hoàn toàn là suy đoán (chỉ đơn giản kéo dài độ dốc của đoạn cuối cùng).

Dùng cho: Ước tính nhanh, kiểm tra sơ bộ, gỡ lỗi. Không dùng cho định giá trong môi trường production.

Nội suy cubic spline

Khớp các đa thức bậc ba từng đoạn giữa các điểm dữ liệu, ràng buộc sao cho đạo hàm bậc nhất và bậc hai khớp nhau tại mỗi điểm nối. Kết quả là một đường cong mượt $C^2$ (độ cong liên tục).

Tên gọi xuất phát từ các thanh spline vẽ kỹ thuật vật lý: những thanh gỗ dẻo mà các họa viên uốn qua các chốt để vẽ đường cong mượt.

Ưu điểm:

• Đường cong mượt qua tất cả các điểm dữ liệu
• Không cần ước lượng tham số (spline được xác định bởi dữ liệu và điều kiện biên)
• Tính toán nhanh

Nhược điểm:

• Hiện tượng Runge: Ở các cạnh của miền nội suy, đa thức có thể vượt quá một cách dữ dội. Đối với bề mặt biến động, điều này có nghĩa là IV ở phần cánh có thể tăng vọt hoặc trở nên âm.
• Dao động: Giữa các điểm dữ liệu, đa thức bậc ba có thể dao động lên trên hoặc xuống dưới so với những gì một smile hợp lý sẽ tạo ra, tạo nên các vùng trũng lõm (butterfly arbitrage).
• Nhạy cảm với dữ liệu ngoại lai: Một điểm dữ liệu xấu (báo giá cũ, lỗi nhập liệu) sẽ làm méo toàn bộ đường cong vì các ràng buộc độ mượt lan truyền lỗi đó đi.
• Không kiểm soát được hành vi ngoại suy.

Dùng cho: Trực quan hóa, nghiên cứu học thuật, hoặc làm ước lượng ban đầu trước khi khớp mô hình tham số. Không dùng cho định giá hay quản lý rủi ro trong production.

---

Các Phương Pháp Tham Số

Các phương pháp này giả định một dạng hàm cho smile và khớp các tham số của nó với dữ liệu. Chúng đánh đổi nội suy chính xác lấy khả năng kiểm soát cấu trúc.

SVI (Stochastic Volatility Inspired)

Tiêu chuẩn ngành cho bề mặt biến động crypto và cổ phiếu. Năm tham số cho mỗi lát cắt ngày đáo hạn.

$$w(k) = a + b \left( \rho(k - m) + \sqrt{(k - m)^2 + \sigma^2} \right)$$

Xem tài liệu tham khảo đầy đủ: Tham Số Hóa SVI

Vì sao nó thống trị: SVI là điểm cân bằng tối ưu giữa tính linh hoạt và tính đơn giản. Năm tham số có thể khớp gần như bất kỳ hình dạng smile nào quan sát được, trong khi các ràng buộc bất đẳng thức đơn giản đảm bảo không có butterfly arbitrage. Phần cánh tiệm cận với các đường thẳng, do đó ngoại suy có giới hạn và hợp lý.

SABR (Stochastic Alpha Beta Rho)

Một mô hình biến động ngẫu nhiên suy ra smile từ các giả định về cách biến động tiến hóa. Bốn tham số: $\alpha$ (mức biến động), $\beta$ (số mũ CEV), $\rho$ (tương quan spot-vol), $\nu$ (biến động của biến động).

Xem tài liệu tham khảo đầy đủ: Mô Hình SABR

Vì sao nó tồn tại: SABR nắm bắt động lực học của smile, chứ không chỉ hình dạng tĩnh. Nó cho bạn biết smile sẽ dịch chuyển thế nào khi tài sản cơ sở dịch chuyển (sticky delta theo mặc định). Điều này khiến nó phù hợp tự nhiên cho swaption lãi suất, nơi động lực học của smile quan trọng cho việc phòng hộ.

Local Volatility (Dupire)

Không phải là một phương pháp khớp theo nghĩa thông thường. Local vol suy ra một bề mặt biến động tức thời từ bề mặt biến động ngụ ý quan sát được. Nó trả lời câu hỏi: "Biến động tức thời phải là bao nhiêu tại mỗi tổ hợp (spot, thời gian) để tái tạo chính xác các mức giá quyền chọn này?"

Xem tài liệu tham khảo đầy đủ: Local Volatility

Vì sao nó tồn tại: Local vol là mô hình duy nhất không có arbitrage khớp chính xác tất cả các mức giá quyền chọn quan sát được. Nó là cầu nối giữa biến động ngụ ý và một công cụ định giá có thể xử lý các payoff phụ thuộc đường đi.

SSVI (Surface SVI)

Một phần mở rộng của SVI mô hình hóa toàn bộ bề mặt cùng lúc, thay vì từng lát cắt riêng lẻ. SSVI đảm bảo không có calendar arbitrage ngay từ khâu xây dựng: tổng phương sai được đảm bảo tăng theo kỳ hạn tại mọi giá strike.

$$w(k, \theta_t) = \frac{\theta_t}{2} \left( 1 + \rho \, \varphi(\theta_t) \, k + \sqrt{(\varphi(\theta_t) \, k + \rho)^2 + (1 - \rho^2)} \right)$$

Trong đó $\theta_t$ là tổng phương sai ATM tại thời điểm $t$ và $\varphi(\theta_t)$ kiểm soát cách skew tiến hóa theo kỳ hạn.

Đánh đổi: Ít tham số tự do hơn so với SVI theo từng lát cắt (hình dạng smile được liên kết giữa các ngày đáo hạn), do đó độ khớp tại từng lát cắt riêng lẻ có thể kém hơn một chút. Nhưng bạn không bao giờ cần sửa lỗi calendar arbitrage sau khi khớp.

---

Bảng So Sánh

Phương pháp

Tham số

Không arbitrage?

Ngoại suy

Tốc độ

Phù hợp nhất cho

Linear

0

Không

Không giới hạn

Tức thì

Gỡ lỗi

Cubic Spline

~12 (ngầm định)

Không

Dao động

Nhanh

Trực quan hóa

SVI

5 mỗi lát cắt

Có (ràng buộc)

Tuyến tính giới hạn

Nhanh

Crypto / cổ phiếu

SABR

4

Phần lớn

Hợp lý

Trung bình

Lãi suất / swaption

Local Vol

Lưới đầy đủ

Theo cấu trúc

N/A (được suy ra)

Chậm

Định giá exotic

SSVI

~6 (toàn bề mặt)

Có (cả calendar)

Giới hạn

Nhanh

Nhất quán toàn bề mặt

Cách lựa chọn

• Cho định giá crypto/cổ phiếu trong production: SVI hoặc SSVI. Cả ngành đã hội tụ về đây vì lý do chính đáng.
• Cho quyền chọn lãi suất: SABR. Nó nắm bắt động lực học smile quan trọng cho việc phòng hộ swaption.
• Cho định giá phái sinh exotic: Local vol (hoặc kết hợp stochastic local vol). Bạn cần toàn bộ bề mặt, không chỉ các lát cắt.
• Cho phân tích nhanh hoặc trực quan hóa: Cubic spline vẫn ổn miễn là bạn không giao dịch dựa trên nó.
• Không dùng cho gì cả: Nội suy tuyến tính trong production. Nói thật đấy.

---

Trình Khám Phá Phương Trình

Tất cả các phương pháp nội suy đều làm việc với tổng phương sai và log-moneyness. Hãy dùng công cụ tính này để chuyển đổi giữa các cách biểu diễn.

Trình khám phá phương trình

w = σ² × Ttotal variance = IV² × time

Biến động ngụ ý (σ)

%

Mức biến động ngụ ý

Thời gian đến đáo hạn

ngày

Số ngày dương lịch đến đáo hạn

Phương sai tổng (w)

0.022225

Phương sai theo năm (σ²)

0.2704

IV tính ngược lại

52.00%

Phương sai tổng là đại lượng mà SVI và các mô hình khác khớp (fit). Nó tăng theo thời gian, nên vol 50% trong 30 ngày có phương sai tổng nhỏ hơn vol 50% trong 90 ngày.

---

Xem thêm:

• Cách Xây Dựng Bề Mặt Biến Động - Quy trình đầy đủ
• Tham Số Hóa SVI - Tìm hiểu sâu về SVI
• Mô Hình SABR - Tìm hiểu sâu về SABR
• Local Volatility - Tìm hiểu sâu về Dupire