h******5
发帖数: 58 | 1 Sorry can't type Chinese in my company.
I am working on a project to calculate VaR based implied Risk Neutral
Density. Firstly I calculate implied vols from deep in-the-money to deep-out
-money option chains, then smooth out the vol smile and calcualte Risk
Neutral Density based on BS model(esstentially RND is calculated by the
second derivative of option prics to strke). Finally fit a parametric
distribution to the densities based on least square method. I got some
chanellenges that 1) the shape of the distribution is not stable at all. The
products I am dealing with are futures, and the shape of distribution for
front month to second month could be totally different. 2) Deep in-the-money
and deep-out-of-the-money vol could be meaningless, not sure which
moneyness options should use or just use all of them? 3)Not sure if use the
whole chain of calls or use out-of-the-money puts and calls?
Any BIG NIU has worked similar projects before? What's the best way to build
a stable and reasonable risk neutral desity distributions. Is it sound to
use BS and least square method to fit a distribution?
Than |
h******5
发帖数: 58 | 2 Sorry can't type Chinese in my company.
I am working on a project to calculate VaR based implied Risk Neutral
Density. Firstly I calculate implied vols from deep in-the-money to deep-out
-money option chains, then smooth out the vol smile and calcualte Risk
Neutral Density based on BS model(esstentially RND is calculated by the
second derivative of option prics to strke). Finally fit a parametric
distribution to the densities based on least square method. I got some
chanellenges that 1) the shape of the distribution is not stable at all. The
products I am dealing with are futures, and the shape of distribution for
front month to second month could be totally different. 2) Deep in-the-money
and deep-out-of-the-money vol could be meaningless, not sure which
moneyness options should use or just use all of them? 3)Not sure if use the
whole chain of calls or use out-of-the-money puts and calls?
Any BIG NIU has worked similar projects before? What's the best way to build
a stable and reasonable risk neutral desity distributions. Is it sound to
use BS and least square method to fit a distribution?
Than |
h******5
发帖数: 58 | 3 顶，有人做过类似的project吗？
或者有没有人找到怎么算option price 关于 strike 的二阶导数？
具体就是 d^2 C/ d K^2 = ??
C指的是Call, K指的strike |
g****o
发帖数: 13 | 4 最近在读volatility surface
现学现卖一下吧
不对请拍砖
market quotes implied vols
先smooth implied vol surface
可以用SVI或者简单的cubic spline
你得把call price的second derivative转化成implied vol的second derivative
具体的过程可以类比Jim Gatheral的那本书
【在 h******5 的大作中提到】
: 顶，有人做过类似的project吗？
: 或者有没有人找到怎么算option price 关于 strike 的二阶导数？
: 具体就是 d^2 C/ d K^2 = ??
: C指的是Call, K指的strike
|
o******e
发帖数: 3522 | 5 我说下学术界的做法。strike太高或太低，一般都是直接trim掉。如果硬要加进去，
tail肯定fit不好。normal 的tail本来就不fat.
你说不stable是什么意思，优化出来的parameter总是在变? 可以试试不同的
parametric distribution, fit的方法也很多，有的不需要对strike求二倒。
我就知道这么多。
out
The
money
【在 h******5 的大作中提到】
: Sorry can't type Chinese in my company.
: I am working on a project to calculate VaR based implied Risk Neutral
: Density. Firstly I calculate implied vols from deep in-the-money to deep-out
: -money option chains, then smooth out the vol smile and calcualte Risk
: Neutral Density based on BS model(esstentially RND is calculated by the
: second derivative of option prics to strke). Finally fit a parametric
: distribution to the densities based on least square method. I got some
: chanellenges that 1) the shape of the distribution is not stable at all. The
: products I am dealing with are futures, and the shape of distribution for
: front month to second month could be totally different. 2) Deep in-the-money
|
a******y
发帖数: 40 | 6 Try your model on SPX option first. Those are liquid and data quality should
be good. If it is still unstable, then you have a problem with your model
implementation. |
s******e
发帖数: 1751 | 7 fyi, for Spx the result should be very stable.
should
【在 a******y 的大作中提到】
: Try your model on SPX option first. Those are liquid and data quality should
: be good. If it is still unstable, then you have a problem with your model
: implementation.
|
h******5
发帖数: 58 | 8
谢谢分享， 我cubic spline, kernel smoothing都用了, call price 对于 strike的
二次求导就是risk neutral density。 你说的impled vol 的second derivative也是
对于strike 么？ 不明白是有什么意义？我会去看一下你的那本书的
【在 g****o 的大作中提到】
: 最近在读volatility surface
: 现学现卖一下吧
: 不对请拍砖
: market quotes implied vols
: 先smooth implied vol surface
: 可以用SVI或者简单的cubic spline
: 你得把call price的second derivative转化成implied vol的second derivative
: 具体的过程可以类比Jim Gatheral的那本书
|
h******5
发帖数: 58 | 9
对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
call and put。
关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
面的paper。
https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
迎继续brainstorm。
另，不求二导的话怎么算risk neutral density？ 有比较靠谱的方法吗？
【在 o******e 的大作中提到】
: 我说下学术界的做法。strike太高或太低，一般都是直接trim掉。如果硬要加进去，
: tail肯定fit不好。normal 的tail本来就不fat.
: 你说不stable是什么意思，优化出来的parameter总是在变? 可以试试不同的
: parametric distribution, fit的方法也很多，有的不需要对strike求二倒。
: 我就知道这么多。
:
: out
: The
: money
|
L*******t
发帖数: 2385 | 10 你用Levy distribution的时候，有没有用Stochastic Time Change？
加了效果会好很多
money
0.
【在 h******5 的大作中提到】
:
: 对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
: call and put。
: 关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
: tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
: 3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
: disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
: 面的paper。
: https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
: 还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
|
|
|
L*******t
发帖数: 2385 | 11 还有一个，你有plot出每天的Impl Risk Neutral Distr吗？虽然参数不同但是可能的
情况是你算出来的distribution都差不多，Levy process，你大概是用Fourier
Transform求Price做的吧？感觉numerical approximation的时候可能会带来些问题，
还有就是你用的optimizer是啥？
【在 L*******t 的大作中提到】
: 你用Levy distribution的时候，有没有用Stochastic Time Change？
: 加了效果会好很多
:
: money
: 0.
|
L*******t
发帖数: 2385 | 12 我也做过些option pricing的project，感觉Call的话，在Deep out of money的时候，
现有的模型会在很大程度上低估市场价格，如果要提高这些DOM的期权价格，对ATM的价
格又会偏高，我咋感觉问题出在right tail呢。。
money
0.
【在 h******5 的大作中提到】
:
: 对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
: call and put。
: 关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
: tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
: 3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
: disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
: 面的paper。
: https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
: 还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
|
L*******t
发帖数: 2385 | 13 你用Levy distribution来fit期权价格，本质上和用BS模型没什么两样，这些个都是假
设return是IID的，但实际上return会有clustering, persistence，你可以试着用
Normal或者generalized hyperbolic或者Meixner来fit SP500指数的returns，可能每
天的参数都在变化，而且还不小，尤其是你选择数据时间窗口比较小的时候，所以我建
议你试试看Stochastic Vol + Jump，或者用Local stochastic vol+jump来做，硬是要
用Levy分布的话，可以加stochastic time change，关于这个Google Peter Carr的
VGSA模型，就是一个例子，Levy + Stochastic time change的话多数Characteristic
function是有closed form的。用期权价格fit以后，得到参数，然后用simulation的方
法来算VaR。Wim Schoutens有一本Levy+Option Pricing的神作。很精简，但是很实用
。网上应该能下载到
当然模型越复杂，参数越多，optimization的难度就会更大，这些都是要权衡的点。。
实在搞不定了还有各种expansion的方法逼近SDE的transition density...
money
0.
【在 h******5 的大作中提到】
:
: 对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
: call and put。
: 关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
: tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
: 3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
: disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
: 面的paper。
: https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
: 还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
|
L*******t
发帖数: 2385 | 14 最后，我觉得用Discrete time的option pricing model，可能会更加强大一些。。
money
0.
【在 h******5 的大作中提到】
:
: 对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
: call and put。
: 关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
: tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
: 3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
: disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
: 面的paper。
: https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
: 还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
|
L*******t
发帖数: 2385 | 15 求二阶导往往是你用non parametric的时候的方法，如果你用parametric的话，你是直
接有T时刻的density的。。
当然两者结合可能会比较好玩。。有大牛知道怎么做的么？
money
0.
【在 h******5 的大作中提到】
:
: 对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
: call and put。
: 关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
: tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
: 3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
: disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
: 面的paper。
: https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
: 还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
|
L*******t
发帖数: 2385 | 16 有时候感觉学术界太赖皮了，用97%到103%的option price来fit结果，然后各种筛选数
据，真正需要解决的问题不就是在tail上么？。。。
money
0.
【在 h******5 的大作中提到】
:
: 对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
: call and put。
: 关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
: tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
: 3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
: disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
: 面的paper。
: https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
: 还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
|
o******e
发帖数: 3522 | 17 哈哈哈，学术界就是这样的。反正方法好不好，结果对不对又不影响收入，为什么不把
结果搞得elegant一点呢？
【在 L*******t 的大作中提到】
: 有时候感觉学术界太赖皮了，用97%到103%的option price来fit结果，然后各种筛选数
: 据，真正需要解决的问题不就是在tail上么？。。。
:
: money
: 0.
|
o******e
发帖数: 3522 | 18 left fat tail会不会就是这个市场的特色？
RND不稳定，也有可能是所有的model parameter都是stochastic的，不过你说的数据真
的变化太大，我也不知道怎么搞。
我记得有一篇文章用了两个distribution function来fit的。好像没有对strike求倒，
不过我记得不是特别清楚了。你可以看看下面这个文章
Closed-form transformations from risk-neutral to real-world distributions
http://www.sciencedirect.com/science/article/pii/S0378426607000
money
0.
【在 h******5 的大作中提到】
:
: 对，我也是直接拿掉的，我只用了70% to 130%的moneyness，并且是用的out of money
: call and put。
: 关于stable的问题，对，就是parameter一直在变。我backtest同一个product的时候，
: tail经常会变。比如我做crude oil的front month，算两个tail的VaR，今天出来是-0.
: 3， 0.17； 明天的结果可能是-0.25,0.2。每天的变化量都可能会很大。我用的
: disribution 叫meixner，是比较flexible的一个distribution，有兴趣可以看一下下
: 面的paper。
: https://perswww.kuleuven.be/~u0009713/004wsreport.pdf
: 还有有意思的一点是risk neutral distribution永远是left fat tail。谢谢回答，欢
|
L*******t
发帖数: 2385 | 19 一个model如果假设是constant parameter但是parameters时时刻刻都在变化，那么这
个model就fail了。。
关于changing parameters的问题，我在前面几个帖子里回答了，因为模型假设不合理
，所以parameter才会变化。
option pricing model追求的最高境界就是一个model specification，该是常数的就
永远不变，该是stochastic的就在模型中假设，能捕捉时变分布(Time varying
distribution)，等等特性，并且完美的fit panel data，路漫漫啊。。。
【在 o******e 的大作中提到】
: left fat tail会不会就是这个市场的特色？
: RND不稳定，也有可能是所有的model parameter都是stochastic的，不过你说的数据真
: 的变化太大，我也不知道怎么搞。
: 我记得有一篇文章用了两个distribution function来fit的。好像没有对strike求倒，
: 不过我记得不是特别清楚了。你可以看看下面这个文章
: Closed-form transformations from risk-neutral to real-world distributions
: http://www.sciencedirect.com/science/article/pii/S0378426607000
:
: money
: 0.
|
g****o
发帖数: 13 | 20 他是要得到risk neutral density
我猜跟model underlying asset dynamics没太大关系（没有jump的话）
market quote implied vol只用standard black-scholes
Characteristic
【在 L*******t 的大作中提到】
: 你用Levy distribution来fit期权价格，本质上和用BS模型没什么两样，这些个都是假
: 设return是IID的，但实际上return会有clustering, persistence，你可以试着用
: Normal或者generalized hyperbolic或者Meixner来fit SP500指数的returns，可能每
: 天的参数都在变化，而且还不小，尤其是你选择数据时间窗口比较小的时候，所以我建
: 议你试试看Stochastic Vol + Jump，或者用Local stochastic vol+jump来做，硬是要
: 用Levy分布的话，可以加stochastic time change，关于这个Google Peter Carr的
: VGSA模型，就是一个例子，Levy + Stochastic time change的话多数Characteristic
: function是有closed form的。用期权价格fit以后，得到参数，然后用simulation的方
: 法来算VaR。Wim Schoutens有一本Levy+Option Pricing的神作。很精简，但是很实用
: 。网上应该能下载到
|
|
|
z***e
发帖数: 5600 | 21 用Implied vol算VaR，稳定性是大问题。同样的仓位，市场高点时VAR低，低点时VAR
最高
用这样的模型，很可能造成市场高时不注意风险，市场回调时在底部panic sell，买高
卖低的典型
out
The
money
【在 h******5 的大作中提到】
: Sorry can't type Chinese in my company.
: I am working on a project to calculate VaR based implied Risk Neutral
: Density. Firstly I calculate implied vols from deep in-the-money to deep-out
: -money option chains, then smooth out the vol smile and calcualte Risk
: Neutral Density based on BS model(esstentially RND is calculated by the
: second derivative of option prics to strke). Finally fit a parametric
: distribution to the densities based on least square method. I got some
: chanellenges that 1) the shape of the distribution is not stable at all. The
: products I am dealing with are futures, and the shape of distribution for
: front month to second month could be totally different. 2) Deep in-the-money
|
l*******n
发帖数: 206 | 22 Isn't that the same even if you use realized vol? as long as you target vol,
you will be doing the same in direction.
VAR
【在 z***e 的大作中提到】
: 用Implied vol算VaR，稳定性是大问题。同样的仓位，市场高点时VAR低，低点时VAR
: 最高
: 用这样的模型，很可能造成市场高时不注意风险，市场回调时在底部panic sell，买高
: 卖低的典型
:
: out
: The
: money
|
z***e
发帖数: 5600 | 23 Realized vol has similar issues but to a lesser degree since you are taking
an average.
vol,
【在 l*******n 的大作中提到】
: Isn't that the same even if you use realized vol? as long as you target vol,
: you will be doing the same in direction.
:
: VAR
|
s******e
发帖数: 1751 | 24 it is exactly the opposite of what you said. July 2008 implied is
definitely higher than realized.
VAR
【在 z***e 的大作中提到】
: 用Implied vol算VaR，稳定性是大问题。同样的仓位，市场高点时VAR低，低点时VAR
: 最高
: 用这样的模型，很可能造成市场高时不注意风险，市场回调时在底部panic sell，买高
: 卖低的典型
:
: out
: The
: money
|
z***e
发帖数: 5600 | 25 Well there are certainly times when market goes higher and vol goes higher.
★ 发自iPhone App: ChineseWeb 8.6
【在 s******e 的大作中提到】
: it is exactly the opposite of what you said. July 2008 implied is
: definitely higher than realized.
:
: VAR
|
h******5
发帖数: 58 | 26
【在 L*******t 的大作中提到】
: 还有一个，你有plot出每天的Impl Risk Neutral Distr吗？虽然参数不同但是可能的
: 情况是你算出来的distribution都差不多，Levy process，你大概是用Fourier
: Transform求Price做的吧？感觉numerical approximation的时候可能会带来些问题，
: 还有就是你用的optimizer是啥？
|
h******5
发帖数: 58 | 27
我用的是out of the money puts and calls。因为DOM put相对更加昂贵，所以impvol
也越高，导致了left tail
【在 L*******t 的大作中提到】
: 我也做过些option pricing的project，感觉Call的话，在Deep out of money的时候，
: 现有的模型会在很大程度上低估市场价格，如果要提高这些DOM的期权价格，对ATM的价
: 格又会偏高，我咋感觉问题出在right tail呢。。
:
: money
: 0.
|
h******5
发帖数: 58 | 28
没有完全明白，可以具体点会举个例子吗？
【在 L*******t 的大作中提到】
: 你用Levy distribution来fit期权价格，本质上和用BS模型没什么两样，这些个都是假
: 设return是IID的，但实际上return会有clustering, persistence，你可以试着用
: Normal或者generalized hyperbolic或者Meixner来fit SP500指数的returns，可能每
: 天的参数都在变化，而且还不小，尤其是你选择数据时间窗口比较小的时候，所以我建
: 议你试试看Stochastic Vol + Jump，或者用Local stochastic vol+jump来做，硬是要
: 用Levy分布的话，可以加stochastic time change，关于这个Google Peter Carr的
: VGSA模型，就是一个例子，Levy + Stochastic time change的话多数Characteristic
: function是有closed form的。用期权价格fit以后，得到参数，然后用simulation的方
: 法来算VaR。Wim Schoutens有一本Levy+Option Pricing的神作。很精简，但是很实用
: 。网上应该能下载到
|
h******5
发帖数: 58 | 29
Characteristic
很激动啊，要去看下神作。再来跟你分享
【在 L*******t 的大作中提到】
: 你用Levy distribution来fit期权价格，本质上和用BS模型没什么两样，这些个都是假
: 设return是IID的，但实际上return会有clustering, persistence，你可以试着用
: Normal或者generalized hyperbolic或者Meixner来fit SP500指数的returns，可能每
: 天的参数都在变化，而且还不小，尤其是你选择数据时间窗口比较小的时候，所以我建
: 议你试试看Stochastic Vol + Jump，或者用Local stochastic vol+jump来做，硬是要
: 用Levy分布的话，可以加stochastic time change，关于这个Google Peter Carr的
: VGSA模型，就是一个例子，Levy + Stochastic time change的话多数Characteristic
: function是有closed form的。用期权价格fit以后，得到参数，然后用simulation的方
: 法来算VaR。Wim Schoutens有一本Levy+Option Pricing的神作。很精简，但是很实用
: 。网上应该能下载到
|
h******5
发帖数: 58 | 30
学术真的很赖皮，我看了无数多的paper，基本都是应用不了的。很多据说很大牛的学
术人员，想的东西也根本做不出来。理论跟应用永远是两码事。 还有一个NYU貌似挺牛
的professor给了个“effetive”的方法求二阶导数（C1-2*C2+ C3）/(K)。殊不知现实
中这个式子的分子是可能为负数的，而density永远都应该是正的。。。
【在 L*******t 的大作中提到】
: 有时候感觉学术界太赖皮了，用97%到103%的option price来fit结果，然后各种筛选数
: 据，真正需要解决的问题不就是在tail上么？。。。
:
: money
: 0.
|
|
|
h******5
发帖数: 58 | 31
这话说的太对了，我看了无数多的paper，基本上他们想的方法都是做不出来的，或者
是在最完美的条件下有点意义。理论与实际永远还是有距离的
【在 L*******t 的大作中提到】
: 有时候感觉学术界太赖皮了，用97%到103%的option price来fit结果，然后各种筛选数
: 据，真正需要解决的问题不就是在tail上么？。。。
:
: money
: 0.
|
h******5
发帖数: 58 | 32
这话说的太对了，我看了无数多的paper，基本上他们想的方法都是做不出来的，或者
是在最完美的条件下有点意义。理论与实际永远还是有距离的
【在 L*******t 的大作中提到】
: 有时候感觉学术界太赖皮了，用97%到103%的option price来fit结果，然后各种筛选数
: 据，真正需要解决的问题不就是在tail上么？。。。
:
: money
: 0.
|
h******5
发帖数: 58 | 33
我到也不求一定constant parameter。我只求相对稳定的shape，比如skewness
【在 L*******t 的大作中提到】
: 一个model如果假设是constant parameter但是parameters时时刻刻都在变化，那么这
: 个model就fail了。。
: 关于changing parameters的问题，我在前面几个帖子里回答了，因为模型假设不合理
: ，所以parameter才会变化。
: option pricing model追求的最高境界就是一个model specification，该是常数的就
: 永远不变，该是stochastic的就在模型中假设，能捕捉时变分布(Time varying
: distribution)，等等特性，并且完美的fit panel data，路漫漫啊。。。
|
h******5
发帖数: 58 | 34
VAR
我们做这个模型的目的就是要它及时反应出市场的变化，而不像一般的historical VaR
, 时效性不强。我说的稳定是指shape，比如skesness。我的假想是及时Vol变化很大，
两边tail也变fatter，它的skewness应该还是不变的
【在 z***e 的大作中提到】
: 用Implied vol算VaR，稳定性是大问题。同样的仓位，市场高点时VAR低，低点时VAR
: 最高
: 用这样的模型，很可能造成市场高时不注意风险，市场回调时在底部panic sell，买高
: 卖低的典型
:
: out
: The
: money
|
h******5
发帖数: 58 | 35
一般情况下implied vol是大于realized的vol。很简单的解释是，如果这个市场中如果
都是speculator，那么impvol应该等于realized vol。但是option出现的很大一个意义
是hedging。hedging是有代价的，那么就得出更多的钱去抵消风险。这也是volatility
smile存在的理由。
【在 s******e 的大作中提到】
: it is exactly the opposite of what you said. July 2008 implied is
: definitely higher than realized.
:
: VAR
|
o******e
发帖数: 3522 | 36 hahaha, I know who you are talking about. I also know the working paper you
are talking about. Mind you, he is the editor of a good journal in
derivative pricing.
Academics are after all academics. They don't care about practical
implementation, implementing a model in reality will not increase their
income! But getting paper accepted by other academics (who do not care about
real application either) will increase their income.
So why bother.
【在 h******5 的大作中提到】
:
: 一般情况下implied vol是大于realized的vol。很简单的解释是，如果这个市场中如果
: 都是speculator，那么impvol应该等于realized vol。但是option出现的很大一个意义
: 是hedging。hedging是有代价的，那么就得出更多的钱去抵消风险。这也是volatility
: smile存在的理由。
|
L*******t
发帖数: 2385 | 37 书名好像叫Levy process in Finance, Wim Schoutens，网上就有下。。
【在 h******5 的大作中提到】
:
: 一般情况下implied vol是大于realized的vol。很简单的解释是，如果这个市场中如果
: 都是speculator，那么impvol应该等于realized vol。但是option出现的很大一个意义
: 是hedging。hedging是有代价的，那么就得出更多的钱去抵消风险。这也是volatility
: smile存在的理由。
|
L*******t
发帖数: 2385 | 38 这些个模型基本上都是依赖于initial conditions，比如current stock price,
initial values for volatility or interest rate, 你试了Stochastic time
changed levy process了吗？如果你想exact match的话可以用一下local stochastic
vol model，这个cross sectional 和dynamics据说都能match的不错，尝试一下如果参
数稳定的话，每天改变initial conditions就能很舒服的计算VaR了。
还有，记得3-4年以前我读过国内几个硕士论文关于计算期权VaR的，还是clsoed form。
如果想用nonparametric，可以参考Dacheng Xiu的几篇文章，在他的个人网站上有。。
VaR
【在 h******5 的大作中提到】
:
: 一般情况下implied vol是大于realized的vol。很简单的解释是，如果这个市场中如果
: 都是speculator，那么impvol应该等于realized vol。但是option出现的很大一个意义
: 是hedging。hedging是有代价的，那么就得出更多的钱去抵消风险。这也是volatility
: smile存在的理由。
|
